01背包与完全背包

最新推荐文章于 2024-07-19 19:11:19 发布

Guohy.

最新推荐文章于 2024-07-19 19:11:19 发布

阅读量376

点赞数 1

文章标签：动态规划算法 c++

本文链接：https://blog.csdn.net/aaaghyaa/article/details/125066330

版权

01背包与完全背包

01背包

题目:

有 $N$ 种物品和一个容量是 $V$ 的背包，每种物品都只能使用一次。

第 $i$ 种物品的体积是 $v_i$ ，价值是 $w_i$ 。

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。
输出最大价值。

输入格式

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。

接下来有 $N$ 行，每行两个整数 $v_i,w_i$ ，用空格隔开，分别表示第 ii 种物品的体积和价值。

输出格式

输出一个整数，表示最大价值。

数据范围

$0 < N, V \leq 10000 < N, V \leq 1000$
$0 < v i, w i \leq 10000 < v i, w i \leq 1000$

输入样例

输出样例：

递归 + 记忆化思路:

递归枚举每一种可能

对于每一个物品当我们背包剩余容量大于物品体积时就有两种可能拿或不拿

拿
$d p (n + 1, s u m - v [n]) + v [n]$
不拿
$d p (n + 1, s u m)$
两种可能取最大值即可

当背包容量小于物品体积时只有不拿一种可能直接找下一个即可

核心代码

	//背包剩余容量小于当前物品体积 直接找下一个
    if (sum < v[n]) return m[n][sum][0] = dp(n + 1, sum);

	//背包剩余容量大于等于当前物品体积 返回拿与不拿两种可能的最大值
    m[n][sum][0] = max(dp(n + 1, sum), dp(n + 1, sum - v[n]) + w[n]);
    return m[n][sum][0];

递归 + 记忆化:

#include<bits/stdc++.h>

using namespace std;
#define ll long long
const ll MAX = 1e5 + 5;

int m[1001][4999][2] = {0};//记忆化
int v[1010] = {0};//体积
int w[1010] = {0};//价值
int len;//物品数量
int S;//背包最大容量


//  枚举到第几个物品 背包剩余容量
int dp(int n, int sum) {
    if (n > len) return 0;//递归出口
    if (m[n][sum][1] == 1) return m[n][sum][0];
    m[n][sum][1] = 1;
    
    //背包剩余容量小于当前物品体积 直接找下一个
    if (sum < v[n]) return m[n][sum][0] = dp(n + 1, sum);

    m[n][sum][0] = max(dp(n + 1, sum), dp(n + 1, sum - v[n]) + w[n]);
    return m[n][sum][0];//背包剩余容量大于等于当前物品体积 返回拿与不拿两种可能的最大值
}

int main() {
    cin>>len>>S;
    for (int i = 1; i <= len; i++) cin >> v[i] >> w[i];
    cout<<dp(1,S)<<endl;
    return 0;
}

动态规划:

定义 $d p [i] [j]$ 为只看前 $i$ 个物品,在背包容量为 $j$ 的情况下的最大可能

同样的

如果 $j < v [i]$ 时
$d p [i] [j] = d p [i - 1] [j]$
当 $j > = v [i]$ 时两种可能取最大值
$d p [i] [j] = m a x (d p [i - 1] [j], d p [i - 1] [j - v [i]] + w [i])$
最后 $d p [N] [V]$ 就是所有物品体积最大为 $V$ 时的最大值

二维:

#include<bits/stdc++.h>

using namespace std;
#define ll long long
const ll MAX = 1e5 + 5;

int main() {

    int dp[1010][1010] = {0};
    int N, V;//物品数量  最大体积

    int v[1010] = {0};//体积
    int w[1010] = {0};//价值

    cin >> N >> V;
    for (int i = 1; i <= N; i++) cin >> v[i] >> w[i];


    //循环枚举 前 i 个物品 最大体积为 j 的情况下下最大值
    for (int i = 1; i <= N; i++) {
        for (int j = 1; j <= V; j++) {
            dp[i][j] = dp[i - 1][j];
            if (j >= v[i]) {
                dp[i][j] = max(dp[i][j], dp[i - 1][j - v[i]] + w[i]);
            }
        }
    }

    cout << dp[N][V] << endl;

    return 0;
}

优化:

上面的二维版本不难发现我们只使用了 $d p [i]$ 与 $d p [i - 1]$ 的状态
$d p [i] [j] = m a x (d p [i] [j], d p [i - 1] [j - v [i]] + w [i]);$
所有优化一维成一维数组可以直接把 $[i]$ 去掉

定义 $d p [j]$ 为所有物品重量为 $j$ 时的最优解

并且使用 $d p [j - v [i]]$ 时我们要维护 $d p [j - v [i]]$ 为上一轮也就是 $d p [i - 1] [j - v [i]]$ 的值
$d p [j - v [i]] = d p [i - 1] [j - v [i]]$
所以我们 $j$ 得从大到小枚举

这样 $d p [j - v [i]]$ 一定是当前还没有枚举过的,也就是上一轮的值

这样的话 $d p [j - v [i]]$ 一定等于之前二维的 $d p [i - 1] [j - v [i]]$

优化后的一维:

#include<bits/stdc++.h>

using namespace std;
#define ll long long
const ll MAX = 1e5 + 5;

int main() {

    int dp[1010] = {0};
    int N, V;//物品数量  最大体积

    int v[1010] = {0};//体积
    int w[1010] = {0};//价值

    cin >> N >> V;
    for (int i = 1; i <= N; i++) cin >> v[i] >> w[i];


    //循环枚举 前 i 个物品 最大体积为 j 的情况下下最大值
    for (int i = 1; i <= N; i++) {
        //体积从大到小枚举
        for (int j = V; j >= v[i]; j--) {
            dp[j] = max(dp[j], dp[j - v[i]] + w[i]);
        }
    }
    cout << dp[V] << endl;

    return 0;
}

完全背包

题目:

有 $N$ 种物品和一个容量是 $V$ 的背包，每种物品都有无限件可用。

第 $i$ 种物品的体积是 $v_i$ ，价值是 $w_i$ 。

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。
输出最大价值。

输入格式

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。

接下来有 $N$ 行，每行两个整数 $v_i,w_i$ ，用空格隔开，分别表示第 ii 种物品的体积和价值。

输出格式

输出一个整数，表示最大价值。

数据范围

$0 < N, V \leq 10000 < N, V \leq 1000$
$0 < v i, w i \leq 10000 < v i, w i \leq 1000$

输入样例

输出样例：

思路:

这个题目与01背包非常相似,只是物品可以无限次使用

定义 $d p [i] [j]$ 为前 $i$ 件物品无限使用,体积最大为 $j$ 的情况的最大值

当 $j < v [i]$ 时也就是不使用当前物品转换与01背包一样
$d p [i] [j] = d p [i - 1] [j]$

当 $j > = v [i]$ 时

前面01背包使用转移为
$d p [i] [j] = m a x (d p [i - 1] [j], d p [i - 1] [j - v [i]] + w [i])$
分拿与不拿两种情况拿了就不能再拿了 ,所以就是 $d p [i - 1] [j - v [i]]$

但是这个题是可以再拿所以 $i$ 不用减一

所以完全背包 $j > = v [i]$ 的转移为
$d p [i] [j] = m a x (d p [i] [j], d p [i] [j - v [i]] + w [i])$

代码:

#include<bits/stdc++.h>

using namespace std;
#define ll long long
const ll MAX = 1e5 + 5;


int main() {

    int dp[1010][1001] = {0};
    int N, V;//物品数量  最大体积

    int v[1010] = {0};//体积
    int w[1010] = {0};//价值

    cin >> N >> V;
    for (int i = 1; i <= N; i++) cin >> v[i] >> w[i];


    //循环枚举 前 i 个物品 最大体积为 j 的情况下下最大值
    for (int i = 1; i <= N; i++) {
        for (int j = 0; j <= V; j++) {
            dp[i][j] = dp[i - 1][j];
            if (j >= v[i]) {
                dp[i][j] = max(dp[i][j], dp[i][j - v[i]] + w[i]);
            }
        }
    }

    cout << dp[N][V] << endl;

    return 0;
}

优化:

前面01背包优化成一维需要维护 $d p [i - 1] [j - v [i]]$ 的值,所以 $j$ 需要从大到小枚举

但是完全背包不需要维护 $d p [i - 1] [j - v [i]]$ 的值

所以只需要把 $j$ 的枚举改成从小到大即可

01背包:
$for\quad(int\quad j\quad =\quad V; j\quad >= \quad v[i];\quad j--)$
完全背包:
$for\quad(int\quad j\quad =\quad v[i]; j\quad <= \quad V[i];\quad j++)$

代码:

#include<bits/stdc++.h>

using namespace std;
#define ll long long
const ll MAX = 1e5 + 5;

int main() {

    int dp[1010] = {0};
    int N, V;//物品数量  最大体积

    int v[1010] = {0};//体积
    int w[1010] = {0};//价值

    cin >> N >> V;
    for (int i = 1; i <= N; i++) cin >> v[i] >> w[i];


    //循环枚举 前 i 个物品 最大体积为 j 的情况下下最大值
    for (int i = 1; i <= N; i++) {
        //体积从小到大枚举
        for (int j = v[i]; j <= V; j++) {
            dp[j] = max(dp[j], dp[j - v[i]] + w[i]);
        }
    }
    cout << dp[V] << endl;

    return 0;
}

Guohy.

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
01背包与完全背包

01背包与完全背包01背包题目:有 NNN 种物品和一个容量是 VVV 的背包，每种物品都只能使用一次。第 iii 种物品的体积是 viv_ivi，价值是 wiw_iwi。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。输出最大价值。输入格式第一行两个整数，N，VN，VN，V，用空格隔开，分别表示物品种数和背包容积。接下来有 NNN 行，每行两个整数 vi,wiv_i,w_ivi,wi，用空格隔开，分别表示第 ii 种物品的体积和价值。输出格式输出一个
复制链接

扫一扫