01背包
#include<iostream>
#include<algorithm>
using namespace std;
const int N = 10010;
int f[N], v[N], w[N]; // f[i][j]: 前i种物品中,空间为j时的最大价值。
int main()
{
int n, m;
cin >> n >> m;
for(int i = 1; i <= n; i++)
cin >> v[i] >> w[i];
for(int i = 1; i <= n; i++)
for(int j = m; j >= v[i]; j--)
f[j] = max(f[j], f[j-v[i]] + w[i]);
cout << f[m];
return 0;
}
完全背包
#include<iostream>
#include<algorithm>
using namespace std;
const int N = 10010;
int f[N], v[N], w[N]; // f[i][j]: 前i种物品中,空间为j时的最大价值。
int main()
{
int n, m;
cin >> n >> m;
for(int i = 1; i <= n; i++)
cin >> v[i] >> w[i];
for(int i = 1; i <= n; i++)
for(int j = v[i]; j <= m; j++)
f[j] = max(f[j], f[j-v[i]] + w[i]);
cout << f[m];
return 0;
}
注意: 01背包与完全背包的代码仅在第二维的遍历顺序有差异,这是因为两者状态转移方程的不同:
01背包:f[i][j] = max(f[i-1][j], f[i-1][j-v[i]] + w[i]);
完全背包:f[i][j]= max(f[i-1][j], f[i][j-v[i]]] + w[i]);
可以发现01背包由第i-1行转移而来,完全背包由第i行转移而来。
多重背包
二进制优化: 对于可选n次的背包,可将其合并成若干个背包(合并得到背包的组合必须能够表示1-n中的任意一个数), 这样可用01背包求解。
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 23000;
int f[N], v[N], w[N];
int main()
{
int n, m;
cin >> n >> m;
int cnt = 1, x, y, s;
for(int i = 1; i <= n; i++)
{
cin >> x >> y >> s;
for(int k = 1; k <= s; k *= 2)
{
v[cnt] = k*x, w[cnt++] = k*y;
s -= k;
}
if(s) v[cnt] = s*x, w[cnt++] = s*y;
}
for(int i = 1; i < cnt; i++)
for(int j = m; j >= v[i]; j--)
f[j] = max(f[j], f[j-v[i]] + w[i]);
cout << f[m];
return 0;
}
滑动窗口优化:通过滑动窗口求最大值,时间复杂度O(n*v), 其中n为物品数,v为给定的空间。
f(i,j)=max(f(i−1,j),f(i−1,j−v)+w,⋯,f(i−1,j−sv)+sw)
f(i,j−v)=max(f(i−1,j−v),f(i−1,j−2v)+w,⋯,f(i−1,j−(s+1)v)+sw)
#include <iostream>
#include <cstring>
#include <algorithm>
using namespace std;
const int N = 1010, M = 20010;
int v[N], w[N], s[N];
int dp[M], g[M], qq[M];
int main()
{
int n, m;
cin >> n >> m;
for(int i = 1; i <= n; i++) {
cin >> v[i] >> w[i] >> s[i];
}
for(int i = 1; i <= n; i++) {
memcpy(g, dp, sizeof g);
for(int j = 0; j < v[i]; j++) {
int hh = 0, tt = -1;
for(int k = j; k <= m; k += v[i]) {
if(hh <= tt && k - qq[hh] > s[i] * v[i]) { // 超出窗口
hh++;
}
while(hh <= tt && g[qq[tt]] + (k - qq[tt]) / v[i] * w[i] <= g[k]) {
tt--;
}
qq[++tt] = k;
if(hh <= tt) dp[k] = g[qq[hh]] + (k - qq[hh]) / v[i] * w[i];
}
}
}
cout << dp[m] << endl;
return 0;
}
分组背包
#include <iostream>
using namespace std;
const int N = 110;
int f[N], v[N][N], w[N][N], cnt[N];
// f[i][j]: 前i组物品中,空间为j时的最大价值。
// v[i][j]: 第i组物品的第j个; cnt[i]: 第i组的物品个数。
int main()
{
int n, m;
cin >> n >> m;
for(int i = 1; i <= n; i++)
{
cin >> cnt[i];
for(int j = 1; j <= cnt[i]; j++)
cin >> v[i][j] >> w[i][j];
}
for(int i = 1; i <= n; i++)
{
for(int j = m; j >= 0; j--)
for(int k = 1; k <= cnt[i]; k++)
if(v[i][k] <= j) f[j] = max(f[j], f[j - v[i][k]] + w[i][k]);
}
cout << f[m];
return 0;
}
混合背包
#include <bits/stdc++.h>
using namespace std;
const int N = 1010;
int dp[N]; // dp[i][j]: 前i类物品体积为j的最大价值
int main()
{
int n, m;
cin >> n >> m;
for(int i = 1; i <= n; i++) {
int v, w, s;
cin >> v >> w >> s;
// 完全背包
if(s == 0) {
for(int j = v; j <= m; j++)
dp[j] = max(dp[j], dp[j - v] + w);
} else {
if(s == -1) { // 将01背包看成特殊的多重背包
s = 1;
}
for(int k = 1; k <= s; k *= 2) {
for(int j = m; j >= k * v ; j--) {
dp[j] = max(dp[j], dp[j - k * v] + k * w);
}
s -= k;
}
if(s) {
for(int j = m; j >= s * v; j--)
dp[j] = max(dp[j], dp[j - s * v] + s * w);
}
}
}
cout << dp[m] << endl;
return 0;
}
有依赖的背包问题
#include <iostream>
#include <cstring>
#include <algorithm>
using namespace std;
const int N = 110;
int n, m;
int v[N], w[N];
int h[N], e[N], ne[N], idx;
int dp[N][N]; // dp[i][j]: 对于i为根节点的子树,体积为j时的最大价值
void add(int a, int b) {
e[idx] = b;
ne[idx] = h[a];
h[a] = idx++;
}
void dfs(int u) {
for(int i = h[u]; i != -1; i = ne[i]) {
int x = e[i];
dfs(x);
for(int j = m; j >= v[u]; j--) { // 循环当前体积(必须从大到小循环)
for(int k = 0; k <= j - v[u]; k++ ) {// 循环用于子树的体积
dp[u][j] = max(dp[u][j], dp[u][j - k] + dp[x][k]);
}
}
}
// 加上根节点的值
for(int j = v[u]; j <= m; j++)
dp[u][j] += w[u];
}
int main()
{
cin >> n >> m;
memset(h, -1, sizeof h);
int root;
for(int i = 1; i <= n; i++) {
int p;
cin >> v[i] >> w[i] >> p;
if(p != -1) {
add(p, i);
} else {
root = i;
}
}
dfs(root);
cout << dp[root][m] << endl;
return 0;
}