信息学奥赛一本通题目解析：1268：【例9.12】完全背包问题

最新推荐文章于 2024-03-31 11:27:44 发布

信息学奥赛源老师

最新推荐文章于 2024-03-31 11:27:44 发布

阅读量733

点赞数 24

文章标签：算法数据结构 c++ 动态规划

本文链接：https://blog.csdn.net/lan_in/article/details/137150874

版权

1268：【例9.12】完全背包问题

时间限制: 1000 ms 内存限制: 65536 KB
提交数:42708 通过数: 22902

【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。

【输入样例】

【输出样例】

max=12

【解题思路】

这个问题是一个典型的完全背包问题，与0-1背包问题的主要区别在于每种物品可以选择无限次，直到背包装不下为止。解决这个问题的思路基于动态规划，关键在于正确设置状态转移方程，并对状态进行适当的遍历。

解题思路

1. 定义状态

定义一个动态规划数组dp[i]，表示背包容量为i时的最大价值。数组的大小为背包的最大容量M+1。

2. 状态转移方程

对于每个物品，我们可以选择放入或者不放入背包，但由于物品的数量是无限的，所以如果选择放入，可以继续考虑放入该物品。因此，状态转移方程为：

dp[i]=max(dp[i],dp[i−W[j]]+C[j])

其中i表示当前背包的容量，W[j]和C[j]分别表示第j个物品的重量和价值。

3. 初始化

初始化dp[0]为0，表示当背包容量为0时的最大价值为0。其余元素初始化为0或者一个很小的数值（取决于是否允许背包容量为负）。

4. 遍历顺序

由于物品的数量是无限的，遍历顺序变得十分关键。首先遍历物品，对于每种物品，再遍历背包的容量。由于我们考虑的是将物品放入背包，所以背包容量的遍历应该从小到大，这样可以确保在考虑放入当前物品时，依赖的状态已经被计算过了。

5. 计算最大价值

遍历完成后，dp[M]即为背包容量为M时的最大价值。

【过程分析】

假设我们有一个背包的最大容量为10，以及4种物品，每种物品的重量和价值分别如下：

物品1: 重量2，价值1
物品2: 重量3，价值3
物品3: 重量4，价值5
物品4: 重量7，价值9

我们的目标是找出在不超过背包最大容量的前提下，能获得的最大总价值。使用动态规划解决完全背包问题时，我们维护一个数组dp[i]，其中dp[i]表示背包容量为i时的最大价值。下面是动态规划过程的逐步分析：

容量\物品	1	2	3	4
0	0	0	0	0
1	0	0	0	0
2	1	1	1	1
3	1	3	3	3
4	2	3	5	5
5	2	4	6	6
6	3	6	6	6
7	3	6	8	9
8	4	7	10	10
9	4	8	11	12
10	5	9	12	12

分析过程：

初始化：当容量为0时，不管选择哪种物品，总价值都为0。
物品1更新：选择物品1时，每增加2个单位容量，价值增加1。例如，容量为2时，最大价值为1；容量为4时，最大价值为2，以此类推。
物品2更新：引入物品2后，容量为3的背包最大价值更新为3，容量为6的背包最大价值更新为6（可以选择两个物品2，总价值6），容量大于3时，开始出现根据不同选择策略更新的价值。
物品3更新：引入物品3后，容量为4的背包最大价值更新为5（选择一个物品3），对于更大容量的背包，根据放入物品3与之前的最优解进行比较，选择最大价值。
物品4更新：引入物品4后，容量为7的背包最大价值更新为9（仅放入一个物品4），随着容量增加，通过组合不同物品，找出最大价值。

最终结果：当背包容量为10时，最大总价值为12，这是通过组合物品2（重量3，价值3）和物品3（重量4，价值5）两次获得的（3+3+4=10，3+5+5=12）。这个结果通过动态规划的方式得到，确保了在每一步容量增加时，都能找到到目前为止可能获得的最大价值。

【实现步骤】

输入背包的最大容量M和物品的数量N。
输入每件物品的重量和价值。
初始化动态规划数组dp。
遍历每件物品，对于每件物品，从小到大遍历所有可能的背包容量，更新dp[i]。
输出dp[M]作为最大总价值。

【实现代码】

#include <iostream>
using namespace std;

const int MAX_M = 200; // 最大背包容量
const int MAX_N = 30; // 最大物品数量
int W[MAX_N]; // 物品重量
int C[MAX_N]; // 物品价值
int dp[MAX_M + 1]; // 动态规划数组，记录每个容量下的最大价值

int main() {
    int M, N; // M为背包容量，N为物品数量
    cin >> M >> N;

    for (int i = 0; i < N; ++i) {
        cin >> W[i] >> C[i];
    }

    // 初始化dp数组
    for (int i = 0; i <= M; ++i) {
        dp[i] = 0;
    }

    // 动态规划求解
    for (int i = 0; i < N; ++i) { // 遍历所有物品
        for (int j = W[i]; j <= M; ++j) { // 从物品重量开始遍历所有背包容量
            // 如果当前容量可以放下物品i，则考虑放入物品i
            dp[j] = max(dp[j], dp[j - W[i]] + C[i]);
        }
    }

    cout << "max="<<dp[M] << endl; // 输出最大价值

    return 0;
}