动规背包模板题总结

• 最近在重刷动规题
• 捋了两天总算找到思路了
• 所以做个总结

01背包

• 01背包是所有背包题的基础。
• 一本通模板题

分析

• 有N件物品，每件物品有且仅有一件，因此每个物品只有选与不选两种状态。
• 因此想到可以用一个数组存储前i件，最大价值为j时的状态，依次更新状态，最后f [n][m] 即为所求。

代码实现

• 提供最基本的二维空间以及优化后的一维空间的版本，具体如下：

二维空间

• 设f [i][j] 为前i件使用最大容量为j时的最大收益，则有f[i][j]=max(f[i-1][j],f[i-1][j-w[i]]+c[i])，即选与不选第i件的最大值。

for(int i=1;i<=n;i++){
	for(int j=w[i];j<=m;j++)//可选可不选，进行比较后存储
		f[i][j]=max(f[i-1][j],f[i-1][j-w[i]]+c[i]);
	for(int j=1;j<w[i];j++)//容量不够w[i]，只能不选
		f[i][j]=f[i-1][j];
}
//所求结果为f[n][m].

• 是不是很简单？那么下面进行空间的优化，压至一维。

一维空间

• 再看一遍上面的二维代码，发现有点浪费空间，因为每个状态只会由上一层推得，前面的不会再用。
• 由此发现可以进行一个简单有效的优化，将空间压缩到一维，状态转移方程为f[j]=max(f[j],f[j-w[i]]+c[i]).
• 现在出现了一个小问题：如何确定f[j]是由上一层得到的呢？
• 很简单，第二层循环从m开始，也就是倒序循环，这时的f[j-w[i]]还停留在上一层的状态，也就是没有选过第i件，这样就可以保证i只能选一次。

for(int i=1;i<=n;i++)
	for(int j=m;j>=w[i];j--)//另一个小优化：j循环到w[i]停止，保证一定有足够的空间
		f[j]=max(f[j],f[j-w[i]]+c[i]);
//所求结果为f[m].

• 这样是不是节省了很多空间？下面进入另一种背包题——完全背包。

完全背包

• 完全背包一本通模板题

分析

• 完全背包与01背包很相似，不同的是01背包只可以选一次，而完全背包每一件都可以选无数次。
• 下面也提供二维和一维两种方式。

代码实现

二维空间

• 完全背包的状态转移方程也和01背包的很相似，为f[i][j]=max(f[i-1][j],f[i][j-w[i]]+c[i])，由f[i][j-w[i]]得来，就可以选择无数次。

for(int i=1;i<=n;i++)
	for(int j=1;j<=m;j++)
		if(w[i]<=j) f[i][j]=max(f[i-1][j],f[i][j-w[i]]+c[i]);
		else f[i][j]=f[i-1][j];

一维空间

• 继续进行优化，优化后的状态转移方程：f[j]=max(f[j],f[j-w[i]]+c[i]).
• 为了保证f[j-w[i]]是在第i层的状态，第二层循环采用顺序。

for(int i=1;i<=n;i++)
	for(int j=w[i];j<=m;j++)
		f[j]=max(f[j],f[j-w[i]]+c[i]);

多重背包

• 一本通模板题（庆功会）

分析

• 这种类型比前两种多加了最大数量的条件，相较于完全背包更像是01背包，可以再加一层循环控制数量，依次计算。
• （还有一种方式，在白书上）

代码实现（一维空间）

• 第二层循环采用倒序，与01背包相同。
• 第三层循环控制的是当前物品的数量，注意循环的条件。

for(int i=1;i<=n;i++)
	for(int j=m;j>=0;j--)
		for(int k=1;k<=s[i]&&k*v[i]<=j;k++)//确定数量足够而且有够大的容量
			f[j]=max(f[j],f[j-k*v[i]]+w[i]*k);

混合背包

• 一本通模板题

分析

• 乍一看可能有一点点难，实际上就是前三种背包的混合版本，可以把整个问题分解开，一个一个解决。

代码实现（一维空间）

• 完全背包的第二层循环是顺序，其他两种都是逆序，所以需要进行判断。

for(int i=1;i<=n;i++){
	if(!p[i])//完全背包
		for(int j=w[i];j<=m;j++)
			f[j]=max(f[j],f[j-w[i]]+c[i]);
	else//01背包或多重背包
		for(int k=1;k<=p[i];k++)
			for(int j=m;j>=w[i];j--)
				f[j]=max(fj],f[j-w[i]]+c[i]);
}
//f[m]即为所求.

二维费用的背包

• 一本通例题（潜水员）
• 之前写的完整代码

分析

• 费用多了一维，那么状态自然也要加一维。
• 设f[x][y]表示第一种付出代价最小为x，第二种付出代价最小为y时的最小重量。
• 状态转移方程：f[x][y]=min(f[x][y],f[j][k]+c[i]).
• 其中x=min(m,j+a[i]),y=min(n,k+b[i]).
• 因为每种物品都只有一件，所以第二、三层循环是逆序。

代码实现

memset(f,0x3f,sizeof(f));//求最小就初始化得大一点.
f[0][0]=0;//别忘了初始化f[0][0].
for(int i=1;i<=l;i++)
	for(int j=m;j>=0;j--)
		for(int k=n;k>=0;k--){
			int x=min(m,j+a[i]),y=min(n,k+b[i]);
			f[x][y]=min(f[x][y],f[j][k]+c[i]);
		} 
//f[m][n]即为所求.

分组背包

• 一本通例题

分析

• 多了一个每组最多添加一件物品的限制，那么就需要再多加一层循环。
• 这样就一共是三层循环，第一层是每组，第二层是逆序的背包容量循环，第三层才是组内的物品。
• 注意组内物品的循环必须在背包容量的循环之内，这样才能保证每组最多选一件物品。

代码实现

//a[k][0]:第k组内物品总数
//a[k][1]~a[k][a[k][0]]:第k组内各物品编号
for(int k=1;k<=t;k++)
	for(int j=v;j>=0;j--)
		for(int i=1;i<=a[k][0];i++)
			if(j>=w[a[k][i]]){
				int x=a[k][i];
				f[j]=max(f[j],f[j-w[x]]+c[x]);					
			}
//f[v]即为所求.

背包问题的方案总数

• 一本通例题

分析

• 这道看着好像突然就简单了
• 那就直接上代码吧

代码实现

f[0]=1;//注意初始化
for(int i=1;i<=n;i++)
	for(int j=a[i];j<=m;j++)
		f[j]+=f[j-a[i]];
//f[m]即为所求.

完结撒花！！！

• 我终于写完啦！！！