【算法笔记】01背包问题＋完全背包问题（2022-2-3）

最新推荐文章于 2024-05-19 23:02:00 发布

-Alec

最新推荐文章于 2024-05-19 23:02:00 发布

阅读量206

点赞数

文章标签：算法 Powered by 金山文档

本文链接：https://blog.csdn.net/Shad0wLEO/article/details/128883420

版权

今天看了四五个小时背包问题才算有点思路，现在记录下来理解过程以防遗忘。

01背包问题

学习01背包问题首先要知道动态规划是什么。

动态规划：动态规划算法通常基于一个递推公式及一个或多个初始状态。当前子问题的解将由上一次子问题的解推出。使用动态规划来解题只需要多项式时间复杂度，因此它比回溯法、暴力法等要快许多。

01背包问题是典型的动态规划，所谓01，是表示在一系列有限对象中进行选择，“0”代表不选，1代表选择。

题目：有n件物品，每件物品的体积为v[i]，价值为c[i]。现有一个容量为V的背包，问如何选取物品放入背包，使得背包内物品的总价值最大。其中每种物品都只有一件。

思路：

限制条件是体积V，因此dp[i]中的关键字“i”是体积，即dp[i] = 体积为i时的最优解（最大价值）;

每一轮应该考虑的是“0~i个物品”可供选择时，体积从0~V的所有最优解;

以上一轮得出的最优解为基础来计算“0~k+1个物品”可供选择时的最优解，重复bc直至i>n；

此时得到“0~n个物品”可供选择时，且体积为1~V的所有最优解，dp[V]即为所求。

代码：

int main() {
    int n, V;
    int v[100], c[100];
    scanf("%d%d", &n, &V);
    for (int i = 1; i <= n; i++) {
        cin >> v[i];
    }
    for (int i = 1; i <= n; i++) {
        cin >> c[i];
    }
    int dp[100];
    fill(dp, dp + 100, 0);
    for (int i = 1; i <= n; i++) {
        for (int j = V; j >= v[i]; j--) {
            dp[j] = max(dp[j], dp[j - v[i]] + c[i]);
        }
    }
    int ans = 0;
    for (int i = 1; i <= V; i++) {
        if (ans < dp[i])
            ans = dp[i];
    }
    cout << ans;
}

思考：

为什么明明考虑了1~n，1~V的所有情况，用的dp[]却是一维数组？

因为1~n考虑的是对不同物品的选择，而每次只添加一个物品，并且添加一个物品选项“i”后的结果只可能有两种：①不选择，则dp[j]不变；②选择，则dp[j]要留出v[i]的空间来，同时价值量增加c[i];

最优解为二者较大值，由此可得递推式（状态转移方程）：

dp[j] = max( dp[j] , dp[ j-v[i] ] + c[i] ) ;

由此可见，下一轮的结果只与其自己的位置“i”以及左边位置“i-v[k]”有关，故只需要从右向左的进行数据更新，便可以不用保存选择更少物品时的结果（已经不会再用上了）。

为什么对体积的更新只需要从右向左到v[i] ？左边的不更新吗？

因为每一轮是在更新对“物品i的添加”是否会有更优解，而 j<v[i] 时，i都放不进来了（体积不够用），也就无需判断了，事实上也不能判断，数组会越界了。

完全背包问题

01背包强调01，也就是选和不选，完全背包则没有01的概念，并不是因为它没有01，而是因为它不仅有01，还有2345... 也就是说每个物品没有“最多只能取一个”的限制。

【问题描述】这是一个古老而又经典的问题。用给定的几种钱币凑成某个钱数，一般而言有多种方式。例如：给定了 6 种钱币面值为 2、5、10、20、50、100，用来凑 15 元，可以用 5 个 2 元、1个 5 元，或者 3 个 5 元，或者 1 个 5 元、1个 10 元，等等。显然，最少需要 2 个钱币才能凑成 15 元。

你的任务就是，给定若干个互不相同的钱币面值，编程计算，最少需要多少个钱币才能凑成某个给出的钱数。

【输入形式】输入可以有多个测试用例。每个测试用例的第一行是待凑的钱数值 M（1 <= M<= 2000，整数），接着的一行中，第一个整数 K（1 <= K <= 10）表示币种个数，随后是 K个互不相同的钱币面值 Ki(1 <= Ki <= 1000)。输入 M=0 时结束。

【输出形式】每个测试用例输出一行，即凑成钱数值 M 最少需要的钱币个数。如果凑钱失败，输出“Impossible”。你可以假设，每种待凑钱币的数量是无限多的。

【样例输入】

6 2 5 10 20 50 100

1 2

【样例输出】

Impossible

原文链接：https://blog.csdn.net/www_helloworld_com/article/details/83152190

完全背包和01背包一样，将最终要输出的答案记为dp[]，而限制条件（钱的数值）作为关键字“i”，即dp[i] 表示钱的总额为i时的最少钱币数量。

初始条件：

①dp[i] 是求最小值，因此初始化时令其为无穷大的值（如99999），dp[0] = 0（M=0时不用金币即可满足）；

② i 从0~M；

每轮更新：

对于每一轮的最优解更新时，是在原有的1~ i-1 种钱币组成的最优解上纳入一种新的钱币“i”，并可以纳入无数个“i”号钱币。对于每种钱币只有两种选择：

①不放入这种钱币，则dp[ i ] = dp [ i ] 不变；

②放入一个这种钱币，则dp[ i ] = dp[ i-coins[ i ] ] + 1 ; （为钱币“i”腾出位置后的最小钱币数dp[ i - coins[i] ] 加上1个新钱币“i”）；

代码：

int main() {
    int K, M; //K kind, M money
    scanf("%d%d", &M, &K);
    int coins[1000], dp[1000];
    fill(dp, dp + M + 1, 99999);
    dp[0] = 0;
    for (int i = 1; i < K + 1; i++) {
        cin >> coins[i];
    }
    for (int i = 1; i <= K; i++) {
        for (int j = coins[i]; j <= M; j++) {
            dp[j] = min(dp[j], dp[j - coins[i]] + 1);
        }
    }
    if (dp[M] == 99999) {
        cout << "impossible" << endl;;
    }
    else {
        cout << dp[M] << endl;
    }
}

思考：

为什么只用考虑dp[ j-v[i] ] + c [i] ? 不是说好的可以选好几个吗？dp[ j - 2v[i] ] + 2 c[i] 怎么就不考虑了呢？

这就是动态规划的魅力，因为如果有足够的空间能选择两个 i 物品，且两个 i 物品的选择是更优解，则dp[ j-v[i] ] 中已经包含了这个额外的 i ，所以无需额外考虑（因为完全背包是从左向右进行更新的，由于dp[ j - 2v[i] ] 在dp[ j-v[i] ] 的左边，所以已经考虑过了选第二个的情况）。

换一种说法进行反证:

如果dp[ j - 2v[i] ] +2 < dp[ j-v[i] ] + 1，

说明 dp[ j - 2v[i] ] +1 < dp[ j-v[i] ]

那么在j = j-v[i] 的时候就应该更新，故不可能出现上述情况。