DP之背包问题

最新推荐文章于 2024-08-29 19:36:07 发布
最新推荐文章于 2024-08-29 19:36:07 发布
阅读量596 收藏 19
点赞数 8
分类专栏： 基础算法学习 文章标签： 算法 动态规划
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Qiutan22/article/details/137476724
版权
本文详细介绍了01背包问题、二维费用背包问题以及完全背包问题的动态规划解决方案，包括DFS、记忆化搜索和递推方法，通过实例演示了如何使用这些算法求解背包问题中的最大价值。
摘要由CSDN通过智能技术生成

目录

01背包问题

二维费用的背包问题

完全背包

拖鞋言：本来这篇是打算更练习题的，但是想想还是把背包学习了比较好。所以练习题放到下期。

01背包问题

2. 01背包问题 - AcWing题库

问题：

问题思路：思路其实是和上一篇动态规划DP-CSDN博客一致的哦。每一个物品都有两种选择，选或者不选。这道题的限制呢，是物品的容量不可超过背包容量。其次和上篇的大盗阿福一样，我们都是要求一个max（最大值）。

话不多说，先上图。

上图的逻辑其实与前篇内容的逻辑是一致的，只是需要注意图中画出的细节问题。（变换这些条件，就可以创造出很多看似不一样，实质却一样的题目——举一反三）

依旧按照视频里的思路，先来一个dfs暴力求解。

dfs：

#include<iostream>
#include<algorithm>
#include<cstring>

using namespace std;

int n,m,i,j;
int v[1005];    //存n个物体的体积
int w[1005];    //存n个物体的价值

//x表示第x个物体，spv表示背包剩余的容量
int dfs(int x,int spv)
{
	if(x>n) return 0;
	else{
		if(spv < v[x])    
		{
			return dfs(x+1,spv);    //物体的容量大于背包的容量时，直接下一个
		}else{
			return max(dfs(x+1,spv),dfs(x+1,spv-v[x])+w[x]);
		}
	}
 } 
 
 int main()
 {
 	scanf("%d %d",&n,&m);
 	
	for(i=1;i<=n;i++)
	{
		scanf("%d %d",&v[i],&w[i]);	
	}
	int res =dfs(1,m);
	printf("%d",res); 
 }

接下来老样子，记忆化搜索。

记忆化搜索：

#include<iostream>
#include<algorithm>
#include<cstring>

using namespace std;

int n,m,i,j;
int v[1005];
int w[1005];
int men[1005][1005] ;
//men[][]存的是从i个物品开始到n，选总体积<=spv的物品的总价值的最大值。

int dfs(int x,int spv)
{
    if(men[x][spv]) return men[x][spv];
	int sum =0;
	if(x>n) return 0;
	else{
		if(spv < v[x])
		{
			sum= dfs(x+1,spv);
		}else{
			sum= max(dfs(x+1,spv),dfs(x+1,spv-v[x])+w[x]);
		}
	}
	men[x][spv] = sum;
	return sum;
 } 
 
 int main()
 {
 	scanf("%d %d",&n,&m);
 	
	for(i=1;i<=n;i++)
	{
		scanf("%d %d",&v[i],&w[i]);	
	}
	int res =dfs(1,m);
	printf("%d",res); 
 }

欧克，到达最主要的一步，递推。

逆序递推:

#include<iostream>
#include<algorithm>
#include<cstring>

using namespace std;

int n,m,i,j;
int v[1005];
int w[1005];
int f[1005][1005];
 
 int main()
 {
 	scanf("%d %d",&n,&m);
 	
	for(i=1;i<=n;i++)
	{
		scanf("%d %d",&v[i],&w[i]);	
	}
	
	for(i=n;i>=1;i--)
	{
		for(j=0;j<=m;j++)
		{
			if(j<v[i]) 
			{
				f[i][j] = f[i+1][j];
			}
			else{
				f[i][j] = max(f[i+1][j],f[i+1][j-v[i]]+w[i]);
			}
		}
	}
	printf("%d",f[1][m]); 
 }

正序递推：

#include<iostream>
#include<algorithm>
#include<cstring>

using namespace std;

int n,m,i,j;
int v[1005];
int w[1005];
int f[1005][1005];
 
 int main()
 {
 	scanf("%d %d",&n,&m);
 	
	for(i=1;i<=n;i++)
	{
		scanf("%d %d",&v[i],&w[i]);	
	}
	
	for(i=1;i<=n;i++)
	{
		for(j=0;j<=m;j++)
		{
			if(j<v[i]) 
			{
				f[i][j] = f[i-1][j];
			}
			else{
				f[i][j] = max(f[i-1][j],f[i-1][j-v[i]]+w[i]);
			}
		}
	}
	printf("%d",f[n][m]); 
 }

 up主在视频里，提到了一句话，“以空间换时间”。这六个字简直见字知意了。后续课程里还将递推内的二维数组变成了两个一维，接着在变成一个一维（在缩短了时间的基础上又减小了空间。但是小白我，只需要掌握最简单最直接的那种~）

 

二维费用的背包问题

8. 二维费用的背包问题 - AcWing题库

问题：

问题思路： 与上一题“01背包问题”是完全一致的哦~唯一的不同就是多了一个参数，即多了一维。

话不多说，直接dfs暴力一下。

dfs：

#include<iostream>
#include<algorithm>
#include<cstring>

using namespace std;

int n,V,M,i,j;
int v[105];
int m[105];
int w[1005];
int f[105][105][1005];
 
 
 int dfs(int x,int spv,int spm)
 {
 	if(x>n) 
	 {
	 	return 0;
	 }
 	else{
 		if(spv<v[x]||spm<m[x])
 		{
 			return dfs(x+1,spv,spm);
		 }
		 else{
		 	return max(dfs(x+1,spv,spm),dfs(x+1,spv-v[x],spm-m[x])+w[x]);
		 }
	 }
 }
 
 int main()
 {
 	scanf("%d %d %d",&n,&V,&M);
 	
	for(i=1;i<=n;i++)
	{
		scanf("%d %d %d",&v[i],&m[i],&w[i]);	
	}
	
	int res = dfs(1,V,M);
	printf("%d",res);

 }

在三维上，我们就不记忆化搜索了，会“爆空间”  ，所以直接上。

逆序递推：

#include<iostream>
#include<algorithm>
#include<cstring>

using namespace std;

int n,V,M,i,j,k;
int v[105];
int m[105];
int w[1005];
int f[105][105][1005]; 
 
int main()
 {
 	scanf("%d %d %d",&n,&V,&M);
 	
	for(i=1;i<=n;i++)
	{
		scanf("%d %d %d",&v[i],&m[i],&w[i]);	
	}
	
	for(i=n;i>=1;i--)
	{
		for(j=0;j<=V;j++)
		{
			for(k=0;k<=M;k++)
			{
				if(j<v[i] || k <m[i]) 
				{
					f[i][j][k] = f[i+1][j][k];
				}
				else{
					f[i][j][k] = max(f[i+1][j][k],f[i+1][j-v[i]][k-m[i]]+w[i]);
				}
			}		
		}
	}
	printf("%d",f[1][V][M]); 
	return 0;
 }

后续，up将上述逆序递推（三维）的代码，优化成了正序二维。此处不深入。

完全背包

3. 完全背包问题 - AcWing题库

问题：

问题思路：和第一题01背包，几乎一致哦，唯一的不同是，物品可以无限次拿取。我们需要修改的地方，其实也就是，当选择“取”当下这个物品时，x不需要减一。

dfs：

#include<iostream>
#include<algorithm>
#include<cstring>

using namespace std;

int i,j,n,V;
int v[1005];
int w[1005];

int dfs(int x,int spv)
{
	if(x>n) 
	{
		return 0;
	}
	else{
		if(spv<v[x])
		{
			return dfs(x+1,spv);
		}else{
			return max(dfs(x+1,spv),dfs(x,spv-v[x])+w[x]);
		}
	}
}
 
 
int main()
{
	scanf("%d %d",&n,&V);
	for(i=1;i<=n;i++)
	{
		scanf("%d %d",&v[i],&w[i]);
	}
	int res = dfs(1,V);
	printf("%d",res);
}

记忆化搜索：

#include<iostream>
#include<algorithm>
#include<cstring>

using namespace std;

int i,j,n,V;
int v[1005];
int w[1005];
int men[1005][1005];
int dfs(int x,int spv)
{
	if(men[1005][1005]) return men[1005][1005];
	int sum =0;
	if(x>n) 
	{
		return 0;
	}
	else{
		if(spv<v[x])
		{
			sum= dfs(x+1,spv);
		}else{
			sum= max(dfs(x+1,spv),dfs(x,spv-v[x])+w[x]);
		}
	}
	men[x][spv] = sum;
	return sum; 
}
 
 
int main()
{
	scanf("%d %d",&n,&V);
	for(i=1;i<=n;i++)
	{
		scanf("%d %d",&v[i],&w[i]);
	}
	int res = dfs(1,V);
	printf("%d",res);
}

倒序递推：

#include<iostream>
#include<algorithm>
#include<cstring>

using namespace std;

int i,j,n,V;
int v[1005];
int w[1005];
int f[1005][1005];
 
int main()
{
	scanf("%d %d",&n,&V);
	for(i=1;i<=n;i++)
	{
		scanf("%d %d",&v[i],&w[i]);
	}
	
	for(i=n;i>=1;i--)
	{
		for(j =0 ;j<=V;j++)
		{
			if(j<v[i])
			{
				f[i][j] = f[i+1][j];
			}
			else{
				f[i][j] = max(f[i+1][j],f[i][j-v[i]]+w[i]);
			}
		}
	}
	printf("%d",f[1][V]);
}

正序递推：

#include<iostream>
#include<algorithm>
#include<cstring>

using namespace std;

int i,j,n,V;
int v[1005];
int w[1005];
int f[1005][1005];
 
int main()
{
	scanf("%d %d",&n,&V);
	for(i=1;i<=n;i++)
	{
		scanf("%d %d",&v[i],&w[i]);
	}
	
	for(i=1;i<=n;i++)
	{
		for(j =0 ;j<=V;j++)
		{
			if(j<v[i])
			{
				f[i][j] = f[i-1][j];
			}
			else{
				f[i][j] = max(f[i-1][j],f[i][j-v[i]]+w[i]);
			}
		}
	}
	printf("%d",f[n][V]);
}

拖鞋言：猛地看上述代码，很可能不太能明白。很建议先去看视频讲解。DP之背包问题 | 01背包 + 完全背包 | 逐步推进，深入解析！_哔哩哔哩_bilibili 下期习题习题~春雨绵绵，记得带伞哟~

一只小拖鞋
关注
  • 8
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python解决DP问题之背包问题
fwfwxfw的博客
04-02 2732
动态规划的核心思想：避免重复计算，要利用之前已经计算过的最优值
动态规划专题——背包问题
热门推荐
⚡
02-13 4万+
详解四种背包：01背包、完全背包、多重背包、分组背包。
【dp】背包问题
YoungMLet的博客
10-06 1293
背包问题是⼀种组合优化的问题。问题可以描述为：给定⼀组物品，每种物品都有自己的重量和价格，在限定的总重量内，我们如何选择，才能使得物品的总价格最高。01背包问题：每个物品只有⼀个完全背包问题：每个物品有无限多个多重背包问题：每件物品最多有 x 个混合背包问题：每个物品会有上面三种情况分组背包问题：物品有 n 组，每组物品里有若干个，每组里最多选⼀个物品不一定装满背包背包一定装满限定条件只有⼀个：比如体积 -> 普通的背包问题限定条件有两个：比如体积 + 重量 -> 二维费用背包问题。
DP：01背包问题
weixin_51142926的博客
06-17 3013
背包问题是⼀种组合优化的NP完全问题。 本质上是为了找出“带有限制条件的组合最优解”
DP：完全背包问题
2301_79969994的博客
07-06 1007
在完全背包问题中，每种物品有无限个可用，目标是在限定的背包容量内，选择物品使得总价值最大。动态规划通过将问题分解为子问题，利用子问题的解来构建最终解。完全背包问题具有最优子结构性质和重复子问题结构，非常适合用动态规划求解。通过对完全背包问题的深入探讨，我们了解了动态规划在解决这类问题中的重要性。完全背包问题在实际应用中非常广泛，例如货币兑换、资源分配和路径规划等。在解决过程中，我们学会了如何定义状态、确定状态转移方程，并通过优化空间复杂度提升算法效率。
leetcode算法总结 —— dp之背包问题
Charles Ren's Tech Blog
04-07 493
文章目录背包问题问题解析二维背包转化为一维背包01背包完全背包 背包问题 https://leetcode-cn.com/problems/partition-equal-subset-sum/solution/bang-ni-ba-0-1bei-bao-xue-ge-tong-tou-by-px33/ 问题解析 有N件物品和一个容量V的背包。第i件物品价值c[i]的体积是v[i]装入背包则背包可容量减小。每件物品只能用一次（可以选择放或者不放），求解将哪些物品装入背包里物品价值总和最大。 则我们定义dp[
动态规划DP之背包问题3---多重背包问题
weixin_63001635的博客
03-04 1260
01背包是每个物品只有一个，完全背包问题是每个物品有无限个。那么多重背包问题就是。有 N 种物品和一个容量是 V 的背包。第 i 种物品最多有 si 件，每件体积是 vi，价值是 wi。求解将哪些物品装入背包，可使物品体积总和不超过背包容量，且价值总和最大。输出最大价值。
DP背包问题
打发人间白云的博客
08-09 1830
最近学习了动态规划，网课上大佬们讲得我怎么都听不太懂？？？一听不懂就想摸鱼了...所以干脆不听课了，在这里整理一下经典DP题目。 一. 01背包问题 题目：P1048 [NOIP2005 普及组] 采药 - 洛谷 | 计算机科学教育新生态 (luogu.com.cn) 01背包问题中，每个物品只有一件，换句话说，每件物品只有取(1)和不取(0)两种状态。 二维数组解决方法： 原理： ——引自《算法竞赛——从入门到进阶》 表格中第一维度i：待取背包的种类，第二维度j：待取背包的容量 ..
动态规划DP之背包问题2---完全背包问题
weixin_63001635的博客
03-01 1394
这些状态是问题的解的一部分，它们包含了问题的关键信息，可以帮助我们描述问题的结构，并且可以通过状态之间的转移来推导出最优解。（很多人不理解该状态转移，理解过程如上DP分析所示，从最开始暴力解决开始分析，再依次优化，动态规划问题虽然代码看着简单，但是要理解其中原理和状态转移过程）接下来有 N 行，每行两个整数 vi,wi，用空格隔开，分别表示第 i 种物品的体积和价值。求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。第一行两个整数，N，V，用空格隔开，分别表示物品种数和背包容积。
背包问题-DP动态规划
weixin_74092648的博客
03-10 1148
01背包问题 题目 思路 代码 01背包问题的最优方案 题目 思路 代码 完全背包问题 题目 思路 代码
DP 背包问题详解pdf
05-19
### DP背包问题详解 #### 一、背包问题概述 背包问题是一类经典的动态规划问题，在计算机科学和数学中都有广泛的应用。它主要涉及到如何在有限的资源（如背包的容量）下选择最优的一组物品（如价值最大的一组物品...
动态规划（DP）-背包问题算法详解背包九讲
01-12
动态规划（DP）——背包问题算法详解[背包九讲]
算法的学习笔记—连续子数组的最大和
业精于勤，荒于嬉
08-29 803
通过上述的动态规划方法，我们能够有效地解决连续子数组的最大和问题。该方法简单易懂，并且具有较高的效率，适合在大多数情况下使用。😁热门专栏推荐想学习vue的可以看看这个java基础合集数据库合集redis合集nginx合集linux合集手写机制微服务组件spring_尘觉springMVCmybits🤔欢迎大家加入我的社区尘觉社区文章到这里就结束了，如果有什么疑问的地方请指出，诸佬们一起来评论区一起讨论😁如果帮助到您不妨3连支持一下，创造不易您们的支持是我的动力🤞。
递归、搜索与回溯算法
无聊_人的博客
08-29 286
所谓的递归其实就是函数自己调用自己的情况。
力扣（无重叠区间）
yyssas的博客
08-29 209
先按照左侧数字排序，然后对于i位置和i+1位置，如果i位置右侧数字大于i+1位置左侧数字，则说明这两个区间有重叠，则需要移除更可能和后面重叠的那一个，因为排序是按照左边从小到大排序的，所以左边一定是小的，此时要关注的就是右边，也就是选择i和i+1右侧更小的那个，即右侧大的那个删除。一直到右侧小于k的左侧停止，此时剩下的一定是不会重叠的那个。需要移除区间的最小数量，使剩余区间互不重叠。
7-7 数组中能被5整除的数的和
Virgo_616的博客
08-26 286
在一维数组中有10个整数，求出其中能被5整除的所有数的和。
57. 插入区间【 力扣(LeetCode) 】
yyh520025的博客
08-29 481
给你一个 无重叠的 ，按照区间起始端点排序的区间列表 intervals，其中 intervals[i] = [starti, endi] 表示第 i 个区间的开始和结束，并且 intervals 按照 starti 升序排列。同样给定一个区间 newInterval = [start, end] 表示另一个区间的开始和结束。在 intervals 中插入区间 newInterval，使得 intervals 依然按照 starti 升序排列，且区间之间不重叠（如果有必要的话，可以合并区间）。
字节跳动（社招）三面算法原题
最新发布
宫水三叶的刷题日记
08-29 574
但当招聘市场"供过于求"的时候，为了不让招聘过程显得突兀（距离招聘截止日期还有很久，但人已招满），这时候通常会卡住一些流程，尽量拖时间，此时越到后面要求越高，希望越少。当我们有了所有排好序的候选边集合之后，我们可以对边进行从前往后处理，每次加入一条边之后，使用并查集来查询「起点」和「终点」是否连通（并查集部分）。所以，虽然目前某些字节跳动的 BU 已经开始拖流程，但在下半年，必然会有新业务大量招兵买马，抓紧准备吧各位。你每次可以往「上，下，左，右」四个方向之一移动，你想要找到耗费体力最小的一条路径。
【算法】深入浅出聚类算法：原理、应用与Java实现
一个不断前行的程序者
08-26 1883
聚类算法是一种将数据集中的对象自动划分为多个子集的算法。每个子集称为一个簇，簇内的对象具有较高的相似度，而簇与簇之间的相似度较低。聚类算法的主要目的是发现数据中的自然结构，而不是通过已知的类别标签。本文介绍了聚类算法的原理、应用场景以及如何在Java中实现一个简单的聚类算法。通过聚类算法，我们可以发现数据集中的自然结构，有助于更好地理解数据。在实际应用中，可以根据具体需求选择合适的聚类算法。希望本文能够帮助读者更好地理解和应用聚类算法。
线性dp有背包问题？
03-14
线性动态规划（Linear DP）是一种常见的动态规划算法，用于解决一些具有线性结构的问题，其中包括背包问题。 背包问题是一个经典的优化问题，通常有两种形式：0-1背包问题和完全背包问题。在0-1背包问题中，给定一...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值