[每日算法】 背包问题

这篇博客详细介绍了各种类型的背包问题,包括01背包、完全背包、多重背包、混合背包、二维背包以及分组背包。通过动态规划的方法解决这些问题,以实现物品费用不超过背包容量的情况下,最大化价值。文章分析了每种背包问题的特点和解决策略,并提供了相应的状态转移方程。
摘要由CSDN通过智能技术生成

1.01背包

问题:

有N件物品和一个容量为V的背包。第i件物品的费用是c[i],价值是w[i]。

求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量,且价值总和最大。

分析:

用dp[i][v]表示将前i个物品放入价值为v的背包能获得的最大价值

计算dp[i][v]时,分两种情况:第i件物品选或者不选,二者中价值较大的值就是f[i][v]的值,

即:dp[i][v]=max{dp[i-1][v],dp[i-1][v-c[i]]+w[i]}

注意: 矩阵c和w的第一位要空出来,因为i == 0的情况被跳过,之后的算法也是同理。

    vector<int> c = {
   0, 1, 2, 3}; // 费用
    vector<int> w = {
   0, 3, 2, 1}; // 价值
    int N = c.size()-1;
    int V = 2;
    vector<vector<int>> dp(N+1, vector<int>(V+1));
    for(int i = 0; i <= N; i++)
    for(int v = 0; v <= V; v++) {
   
        if(i == 0)
            dp[i][v] = 0;
        else if(v < c[i])              // 剩余空间不足选择第i件
            dp[i][v] = dp[i-1][v];
        else
            dp[i][v] = max(dp[i-1][v], dp[i-1][v-c[i]]+w[i]);
    }
    cout << dp[N][V] << endl;
考虑减少空间的开销,由于计算过程为从上到下,从左到右,dp[i][v]实际上只依赖于dp[i-1][0...v]这些值。如果使用从右到左的顺序,就可以只使用一维数组进行计算。

    vector<int> dp2(N+1);
    for(int i = 0; i <= N; i++)
    for(int v = V; v >= 0; v--) {
   
        if(i == 0)
            dp2[v] == 0;
        else if(v >= c[i])
            dp2[v] = max(dp2[v], dp2[v-c[i]]+w[i]);  // 一维矩阵实现
    
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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