背包问题总结
标签: ACM dp 背包
0-1背包
描述:
n物品,一个背包,每个物品价值Wi体积Vi背包容量C,求最大价值
特点:
对于物品i可选可不选
解决方法:
Fi[j] = Fi-1[j] (Vi>j>=0)
Fi[j] = max{ Fi-1[j] , Fi-1[j-Vi]+Wi } (C>=j>=Vi)
完全背包
描述:
给定 n 种物品和一个背包。第 i 种物品的价值是 Wi ,其体积为Vi,背包的容量为C,同一种物品的数量无限多。可以任意选择装入背包中的物品,求装入背包中物品的最大总价值。
解决方法:
Fi[j] = Fi-1[j] (Vi>j>=0)
Fi[j] = max{ Fi-1[j] , Fi[j-Vi]+Wi } (C>=j>=Vi) //注意第二个是 Fi 而不是
Fi-1,与 0-1 背包区别仅在于此,因为允许在放过的基础上再增加一件。
多次背包
描述:
给定 n 种物品和一个背包。第 i 种物品 的价值是 Wi ,其体积为 Vi,数量是 Ki件,背包的容量为 C。可以任意选择装入背包中的物品,求装入背包中物品的最大总价值。
解决方法:
首先对于第 i 种物品,不能确定放多少件才是最优的,因为并没有什么可以证明放一件或者全放一定会更优。换句话说,最优解所需要的件数,可能是 0 到 Ki 中的任何数。
不需要把一种物品拆分成 Ki 份,而是只要物品拆分到能凑出 1 到 Ki
之间任意数量的程度就可以了。
可以证明,按照二进制的拆分能使件数达到最小,把 Ki 拆分成1,2,4…2t,Ki-2^(t+1)+1(2^(t+2)>Ki>=2^(t+1)),就一定可以满足最优解要求了。下一步,还是用 0-1 背包的经典算法。
如此,我们得到了一个时间复杂度为 O(C*∑([log2Ki]))的算法。
单调队列优化☆
网上关于“多重背包”的资料倒是不少,但是关于怎么实现O(N*V)算法的资料,真得好少呀,关于“单调队列”那部分算法,又没说明得很清楚,看了几遍没看懂原理,只好自己动脑去想怎么实现O(N*V)算法。
若用F[i][j]表示对容量为j的背包,处理完前i种物品后,背包内物品可达到的最大总价值,并记m[i] = min(n[i], j / v[i])。放入背包的第i种物品的数目可以是:0、1、2……,可得:
F[i][j] = max { F[i - 1] [j – k * v[i] ] + k * w[i] } (0 <= k <= m[i]) ㈠
如何在O(1)时间内求出F[i][j]呢?
先看一个例子:取m[i] = 2, v[i] = v, w[i] = w, V > 9 * v,
并假设 f(j) = F[i - 1][j],观察公式右边要求最大值的几项:
j = 6*v: f(6*v)、f(5*v)+w、f(4*v)+2*w 这三个中的最大值
j = 5*v: f(5*v)、f(4*v)+w、f(3*v)+2*w 这三个中的最大值
j = 4*v: f(4*v)、f(3*v)+w、f(2*v)+2*w 这三个中的最大值
显然,公式㈠右边求最大值的几项随j值改变而改变,但如果将j = 6*v时,每项减去6*w,j=5*v时,每项减去5*w,j=4*v时,每项减去4*w,就得到:
j = 6*v: f(6*v)-6*w、f(5*v)-5*w、f(4*v)-4*w 这三个中的最大值
j = 5*v: f(5*v)-5*w、f(4*v)-4*w、f(3*v)-3*w 这三个中的最大值
j = 4*v: f(4*v)-4*w、f(3*v)-3*w、f(2*v)-2*w 这三个中的最大值
很明显,要求最大值的那些项,有很多重复。
根据这个思路,可以对原来的公式进行如下调整:
假设d = v[i],a = j / d,b = j % d,即 j = a * d + b,代入公式㈠,并用k替换a - k得:
F[i][j] = max { F[i - 1] [b + k * d] - k * w[i] } + a * w[i] (a – m[i] <= k <= a) ㈡
对F[i - 1][y] (y= b b+d b+2d b+3d b+4d b+5d b+6d … j)
F[i][j]就是求j的前面m[i] + 1个数对应的F[i - 1] [b + k * d] - k * w[i]的最大值,加上a * w[i],如果将F[i][j]前面所有的F[i - 1][b + k * d] – k * w放入到一个队列,那么,F[i][j]就是求这个队列最大长度为m[i] + 1时,队列中元素的最大值,加上a * w[i]。因而原问题可以转化为:O(1)时间内求一个队列的最大值。
该问题可以这样解决:
① 用另一个队列B记录指定队列的最大值(或者记录最大值的地址),并通过下面两个操作保证队列B的第一个元素(或其所指向的元素)一定是指定队列的当前最大值。
② 当指定队列有元素M进入时,删除队列B中的比M小的(或队列B中所指向的元素小等于M的)所有元素,并将元素M(或其地址)存入队列B。
③ 当指定队列有元素M离开时,队列B中的第一个元素若与M相等(或队列B第一个元素的地址与M相等),则队列B的第一个元素也离队。
经过上述处理,可以保证队列B中的第一个元素(或其指向的元素)一定是所指定队列所有元素的最大值。显然队列B的元素(或其所指向的元素)是单调递减的,这应该就是《背包九讲》中的提到的“单调队列”吧,初看的时候被这个概念弄得稀里糊涂,网上的资料提到“维护队列的最大值”,刚开始还以为是维护这个单调队列的最大值,对其采用的算法,越看越糊涂。其实,只要明白用一个“辅助队列”,求另一个队列的最值,那么具体的算法,和该“辅助队列”的性质(单调变化),都很容易推导出来。
在多重背包问题中,所有要进入队列的元素个数的上限值是已知的,可以直接用一个大数组模拟队列。