动态规划-背包问题1

最新推荐文章于 2024-10-06 14:10:45 发布

dadudu2020

最新推荐文章于 2024-10-06 14:10:45 发布

阅读量725

点赞数 28

文章标签：算法动态规划

本文链接：https://blog.csdn.net/dadudu2020/article/details/141473632

版权

一、背包问题

“背包”是程序设计和信息学竞赛中的一类重要问题。背包问题种类繁多，其中最简单的就是“0-1背包”。青和优化策略。背包问题的求解涉及计算机算法的灵活应用：

1.背包问题

2.完全背包问题

3.多重背包问题

4.混合三种背包问题

5.二维费用的背包问题

6.分组的背包问题

二、例题讲解-0-1背包问题

【问题描述】

有N件物品和一个容量为V的背包。放入第i件物品耗费的空间是Ci，得到的价值是Wi。求解在不超过容量的前提下，将哪些物品装入背包可使价值总和最大。

【输入格式】

第1行两个正整数，分别表示N和V，中间用一个空格隔开。

第2行N个正整数，表示Ci，中间用一个空格隔开。

第3行N个正整数，表示 Wi，中间用一个空格隔开,

其中:1≤N<100，1≤V≤1e5，1≤Ci<1000，1≤Wi≤1000。

【输出格式】

一行一个正整数，表示最大的价值总和.

【输入样例】

4 20

8 9 5 2

5 6 7 3

【输出样例】

【问题分析】

定义状态F[i][v]，表示前i件物品放入一个容量为v的背包可以获得的最大价值，则状态转移方程为F[i][v] = max{F[i-1][v], F[i-1, v-Ci] + Wi}

可以这样理解：

依次考虑每一件物品，对于第i件物要么不放、要么放，对应计算机中的0或1，所以是“0-1背包”，那么就,可以将一个规模为i的问是

转化为一个只和前i-1件物品相关的子问题(规模为i-1)。如果不放第i件物品，问题就转化为“前i-1件物品放入容量为v的背包”。如果不放第i件物品，那么问题就转化为“前i-1件物品放入剩下的容量为v-Ci的背包”。此时能获得的最大价值就是F[i-1,v-Ci]再加上通过放入第i件物品获得的价值。

状态：F[i,v]表示用体积为v的背包装前i个物品能获得的最大价值。

考虑第i种物品装或不装进行状态转移：

1.装:f[i-1,v-C[i]]+W[i]（必须满足v≥C[i]）

2.不装:f[i - 1, v]

两种情况取较大值。

条件转移方程为：

答案为f[N,V]，时间复杂度为O（NV）

我们发现，其中第i行的值只与第i-1行有关系。很自然的想到用滚动数组来优化空间复杂度到O(2*N);根据这个思路写成代码如下：

#include<bits/stdc++.h>

using namespace std;

int N, V;

int F[101][10000];

int C[101], W[101];



int main(){

    cin >> N >> V;        //物品数量N和背包容量V

    for(int i = 1; i <= N; i++){

        cin >> C[i];        //第i件商品空间

    }

    for(int i = 1; i <= N; i++){

        cin >> W[i];    //第i件商品价值

    }

    

    for(int i = 1; i <= N; i++){        //F[i][v]表示前i件物品，总重量不超过v的最优价值

        for(int v = 0; v <= V; v++){

            if(v >= C[i]){

                F[i][v] = max(F[i - 1][v], F[i - 1][v - C[i]] + W[i]);

            }else{

                F[i][v] = F[i - 1][v];

            }

        }

    }

    cout << F[N][V];        //F[N][V]为最优解

    

    return 0;

}

我们再仔细分析第一个程序，发现F[i, v]是由F[i-1, v]和F[i-1, v-Ci]两个子问题逆推而来，能否保证在求F[i, v]时(也即在第二个程序的第i次主循环中推F[v]时)能够取用F[i-1, v]和F[i-1, v-Ci]的值呢？事实上，这要求我们在每次主循环中以v = V..0的递减顺序计算F[v]，这样就能保证在推F[v]时F[v-Ci]保存的是状态F[i-1, v-Ci]的值。

程序中的 F[v] = max{F[v], F[v-Ci]+Wi} 就对应于原来的转移方程，因为现在的 F[v-Ci] 就相当于原来的 F[i-1, v-Ci]。

以上代码还可以做一个“常数优化”，将第二重循环的下限 Ci 改为：

max{V-Σi=1^N Wi, Ci}

由此可以得到01背包的公式：

for i=1..N

for v=V..0

f[v]=max{f[v],f[v-w[i]]+c[i]};

代码如下：

#include<bits/stdc++.h>

using namespace std;

int N, V, c[110], w[110], F[1000000];    //F[V]当v容量时获得的最大价值

int main(){

    cin >> N >> V;

    for(int i = 1; i <= N; i++){

        cin >> c[i];

    }

    for(int i = 1; i <= N; i++){

        cin >> w[i];

    }

    

    //01背包算法

    for(int i = 1; i <= N; i++){

        for(int v = V; v >= c[i]; v--){

            F[v] = max(F[v], F[v - c[i]] + w[i]);

        }

    }

    cout << F[V];

    return 0;

}

三、例题讲解-01背包+输出方案

题目描述

一个旅行者有一个最多能装 M 公斤的背包，现在有 ��n 件物品，它们的重量分别1,2,…,W1,W2,…,Wn，它们的价值分别为1,2,…,C1,C2,…,Cn，求旅行者能获得最大总价值。

输入

第一行：两个整数M (背包容量，M≤200)和N (物品数量N≤30)；

第2..N+1行：每行二个整数Wi，Ci，表示每个物品的重量和价值。

输出

两行，第一行一个数，表示最大总价值。第二行为具体方案，以空格分开。

样例输入1

8 4

2 3

3 4

4 5

5 6

样例输出1

3 5

【分析】

这道题和上一道题基本一样。

按照样例来分析一下：

// 输出方案

void findWhat(int i, int v) {

    if (i > 0) {

        if (f[i][v] == f[i - 1][v]) { // 没有放

            item[i] = 0;

            findWhat(i - 1, v);

        } else if (v - w[i] >= 0 && f[i][v] == f[i - 1][v - w[i]] + c[i]) { // 放了

            item[i] = 1;

            findWhat(i - 1, v - w[i]);

        }

    }

}

所以总的代码如下：

#include<bits/stdc++.h>

using namespace std;

#define M 10000

int N,V,C[M],W[M];

int f[101][M];    //f[i][j]第i见物品v重量时的最大价值

bool item[M];



// 输出方案

void findWhat(int i, int v) {

    if (i > 0) {

        if (f[i][v] == f[i - 1][v]) { // 没有放

            item[i] = 0;

            findWhat(i - 1, v);

        } else if (v - C[i] >= 0 && f[i][v] == f[i - 1][v - C[i]] + W[i]) { // 放了

            item[i] = 1;

            findWhat(i - 1, v - C[i]);

        }

    }

}

int main(){

    cin >> V >> N;

    for(int i = 1; i <= N; i++){

    cin >> C[i];

    cin >> W[i];

}

    for(int i = 1; i <=N; i++){

        for(int v = 0; v <= V; v++){        //01背包

            if(v >= C[i]){

                f[i][v] = max(f[i - 1][v], f[i - 1][v - C[i]] + W[i]);

            }else{

                f[i][v] = f[i - 1][v];

            }

        }

    }

    

    cout << f[N][V] << endl;

    findWhat(N, V);    //找出具体方案

    for(int i = 1; i <= N; i++){

        if(item[i]){

            cout << C[i] << ' ';

        }

    }

    

    return 0;

}

四、完全背包问题

题目描述

设有 n 种物品，每种物品有一个重量及一个价值。但每种物品的数量是无限的，同时有一个背包，最大载重量为 M，今从 n 种物品中选取若干件(同一种物品可以多次选取)，使其重量的和小于等于 M，而价值的和为最大。

输入

第一行：两个整数，M (背包容量M≤200)和 N (物品数量N≤30)；

第2..N+1 行：每行二个整数 Wi、Ci，表示每个物品的重量和价值。

输出

仅一行，一个数，表示最大总价值。

样例输入1

10 4

2 1

3 3

4 5

7 9

样例输出1

max=12

【完全背包问题题目分析】

基本思路:

这个问题非常类似于01背包问题，所不同的是每种物品有无限件。也就是从每种物品的角度考虑，与它相关的策略己并非取或不取两种，而是有取0件、取1件、取2件...等很多种。

如果咱们按照解01背包时的思路，用f[i][v]表示前i种物品恰好放入一个容量为v的背包的最大权值。仍然可以按照每种物品不同的策略出状态转移方程，像这样

。

将01背包问题的基本思路加以改进，得到了这样一个清晰的方法。这说明01背包问题的方程的确是很重要，可以推及其它类型的背包问题。

这个算法使用一维数组，先看伪代码:

你会发现，这个伪代码与01背包问题的伪代码只有v的循环次序不同而已。为什么这样一改就可行呢？

首先想想为什么01背包问题中要按照v=V..0的逆序来循环。这是因为要保证第i次循环中的状态f[i][v]是由状态f[i-1][v-w[i]]递推而来。换句话说，这正是为了保证每件物品只选一次，保证在考虑“选入第i件物品”这件策略时，依据的是一个绝无己经选入第i件物品的子结果f[i-1][v-w[i]]。而现在完全背包的特点恰是每种物品可选无限件，所以在考虑“加选一件第i种物品”这种策略时，却正需要一个可能已经选入第i种物品的子结果f[i][v-w[i]]，所以就可以并且必须采用v=0..V的顺序循环。这就是这个简单的程序为何成立的道理。

这个算法也可以以另外的思路得出，例如：基本思路中的状态转移方程可以等价的变形称为这种形式：