背包问题的分类
01背包问题
输入样例
4 5 1 2 2 4 3 4 4 5
输出样例:
8
在求选 第 i 个物品的状态转移方程的时候,我们可以取出 的最大值再加上 w[i]
不选第 i 个物品的话,状态转移方程就是
#include <iostream>
#include <cstring>
using namespace std;
const int N = 1010;
int n, m;
int v[N], w[N];
int f[N][N];
int main()
{
cin >> n >> m;
for(int i = 1; i <= n; i ++ ) cin >> v[i] >> w[i];
for(int i = 1; i <= n; i ++ )
for(int j = 0; j <= m; j ++ )
{
f[i][j] = f[i - 1][j];
if(j >= v[i]) f[i][j] = max(f[i][j], f[i - 1][j - v[i]] + w[i]);
}
cout << f[n][m] << endl;
return 0;
}
从二维优化到一维
通过 DP 的状态转移方程,我们发现,每一阶段的 i 的状态只与上一阶段的 i-1 的状态有关。在这种情况下,可以使用称为“滚动数组”的优化方法,降低时间开销。
因为 这里的 一定比 更早计算出来,所以 计算得到的是第 i 层的,而在我们上述的 DP 方程中,所用的是第 i - 1 层的数据,所以如果是从小到大遍历体积的话,会出现 “数据污染” 的情况。所以体积的枚举要从大到小来枚举。
一维优化代码实现
#include <iostream> #include <cstring> using namespace std; const int N = 1010; int n, m; int v[N], w[N]; int f[N]; int main() { cin >> n >> m; for(int i = 1; i <= n; i ++ ) cin >> v[i] >> w[i]; for(int i = 1; i <= n; i ++ ) for(int j = m; j >= v[i]; j -- ) { f[j] = max(f[j], f[j - v[i]] + w[i]); } cout << f[m] << endl; return 0; }
完全背包问题
输入样例
4 5 1 2 2 4 3 4 4 5
输出样例:
10
对于朴素做法有: 类比01背包问题
代码实现
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 1010;
int n, m;
int v[N], w[N];
int f[N][N];
int main()
{
cin >> n >> m;
for(int i = 1; i <= n; i ++ ) cin >> v[i] >> w[i];
for(int i = 1; i <= n; i ++ )
for(int j = 0; j <= m; j ++ )
for(int k = 0; k * v[i] <= j; k ++ )
f[i][j] = max(f[i][j], f[i - 1][j - k * v[i]] + k * w[i]);
cout << f[n][m] << endl;
return 0;
}
通过比较下列等式可以发现:
得到:
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 1010;
int n, m;
int v[N], w[N];
int f[N][N];
int main()
{
cin >> n >> m;
for(int i = 1; i <= n; i ++ ) cin >> v[i] >> w[i];
for(int i = 1; i <= n; i ++ )
for(int j = 0; j <= m; j ++ )
{
f[i][j] = f[i - 1][j];
if(j >= v[i]) f[i][j] = max(f[i][j], f[i][j - v[i]] + w[i]);
}
cout << f[n][m] << endl;
return 0;
}
一维优化
#include <iostream> #include <algorithm> using namespace std; const int N = 1010; int n, m; int v[N], w[N]; int f[N]; int main() { cin >> n >> m; for(int i = 1; i <= n; i ++ ) cin >> v[i] >> w[i]; for(int i = 1; i <= n; i ++ ) for(int j = v[i]; j <= m; j ++ ) { f[j] = max(f[j], f[j - v[i]] + w[i]); } cout << f[m] << endl; return 0; }
对比01背包和完全背包问题,有以下差异 :
01背包:
完全背包:
对于完全背包来说,体积的枚举可以从 v[i] 枚举到 m,因为它每 i 层的更新使用的是第 i 层的数据,不存在“数据污染”的问题。
多重背包问题
输入样例
4 5 1 2 3 2 4 1 3 4 3 4 5 2
输出样例:
10
朴素写法
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 110;
int n, m;
int v[N], w[N], s[N];
int f[N][N];
int main()
{
cin >> n >> m;
for(int i = 1; i <= n; i ++ ) cin >> v[i] >> w[i] >> s[i];
for(int i = 1; i <= n; i ++ )
for(int j = 0; j <= m; j ++ )
for(int k = 0; k <= s[i] && k * v[i] <= j; k ++ )
f[i][j] = max(f[i][j], f[i - 1][j - v[i] * k] + w[i] * k);
cout << f[n][m] << endl;
return 0;
}
多重背包的二进制优化
众所周知,从 这 k 个2的整数次幂中选出若干个相加,可以表示出 之间的任意整数。进一步的,我们求出满足 的最大整数 p,设 那么:
- 根据 p 的最大性,有 ,可推出 ,因此 选出若干个相加可以表示出 之间的任意整数;
- 从 中选出若干个相加,可以表示出 之间的任何整数,而根据 Ri 的定义, ,因此, 选出若干个可以表示出 之间的任意整数。
综上所述,我们可以把数量为 的第 i 个物品拆成 p + 2个物品,他们的体积分别为:
这 p + 2 个物品可以凑成 之间所有能被Vi整除的数,并且不能凑成大于 Ci * Vi 的数。这等价于原问题中体积为 Vi 的物品可以使用 0~Ci 次。该方法仅将每种物品拆分成了 个,效率较高。
代码实现
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 25000, M = 2010;
int n, m;
int v[N], w[N];
int f[N];
int main()
{
cin >> n >> m;
int cnt = 0;
for(int i = 1; i <= n; i ++ )
{
int a, b, s;
cin >> a >> b >> s;
int k = 1;
while(k <= s)
{
cnt ++ ;
v[cnt] = a * k;
w[cnt] = b * k;
s -= k;
k *= 2;
}
if(s > 0)
{
cnt ++;
v[cnt] = a * s;
w[cnt] = b * s;
}
}
n = cnt;
for(int i = 1; i <= n; i ++ )
for(int j = m; j >= v[i]; j -- )
f[j] = max(f[j], f[j - v[i]] + w[i]);
cout << f[m] << endl;
return 0;
}
分组背包问题
输入样例
3 5 2 1 2 2 4 1 3 4 1 4 5
输出样例:
8
AC代码
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 110;
int n, m;
int v[N][N], w[N][N], s[N];
int f[N];
int main()
{
cin >> n >> m;
for(int i = 1; i <= n; i ++ )
{
cin >> s[i];
for(int j = 0; j < s[i]; j ++ )
cin >> v[i][j] >> w[i][j];
}
for(int i = 1; i <= n; i ++ )
for(int j = m; j >= 0; j -- )
for(int k = 0; k < s[i]; k ++ )
if(v[i][k] <= j)
f[j] = max(f[j], f[j - v[i][k]] + w[i][k]);
cout << f[m] << endl;
return 0;
}