背包问题共同点与区别
简单叙述:
简单证明:
标题: 证明关于背包问题优化到低维后的正向反向循环问题 证明关于背包问题优化到低维后的正向反向循环问题 证明关于背包问题优化到低维后的正向反向循环问题
例子01背包:
优化到一维后为从大到小循环,如下图循环所示:
其状态计算为:
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]);
例子完全背包问题:
优化到一维后为从小到大循环,如下图所示:
其状态计算为:
三重循环暴力:
f[i][j] = max(f[i][j], f[i-1][j - k*v[i]] + k * w[i]);
两重循环:
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]);
可以找到区别:
01背包中,
m
a
x
max
max函数里面的第二位为
f
[
i
−
1
]
[
j
−
v
[
i
]
]
f[i-1][j-v[i]]
f[i−1][j−v[i]]
完全背包中,
m
a
x
max
max函数里面的第二位为
f
[
i
]
[
j
−
v
[
i
]
]
f[i][j-v[i]]
f[i][j−v[i]]
其中: f [ i − 1 ] [ j − v [ i ] ] f[i-1][j-v[i]] f[i−1][j−v[i]]为上一层的状态,因为本次计算需要上一层的状态,且 j − v [ i ] j-v[i] j−v[i]小于 j j j,为保持其上一层的状态不变,要先计算从大到小计算状态
反之, f [ i ] [ j − v [ i ] f[i][j-v[i] f[i][j−v[i]为本层的状态,要保证计算 f [ i ] [ j ] f[i][j] f[i][j]的 f [ i ] [ j − v [ i ] f[i][j-v[i] f[i][j−v[i]为本层的状态,必须从小到大先计算本层之前的状态
如此可知: 若
m
a
x
max
max函数里第二位为上一层的
j
j
j之前的状态则从大到小
若
m
a
x
max
max函数里第二位为本层的
j
j
j之前的状态则从小到大
(具体的一维状态的解释,见下面的01背包问题的证明)
01背包问题
题意如下:
有 N N N 件物品和一个容量是 V V V 的背包。每件物品只能使用一次。
第 i i i 件物品的体积是 v [ i ] v[i] v[i],价值是 w [ i ] w[i] w[i]。
求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。 输出最大价值。输入格式
第一行两个整数, N N N, V V V,用空格隔开,分别表示物品数量和背包容积。
接下来有 N N N 行,每行两个整数 v [ i ] v[i] v[i], w [ i ] w[i] w[i],用空格隔开,分别表示第 i i i 件物品的体积和价值。输出格式
输出一个整数,表示最大价值。数据范围
0 < N , V ≤ 1000 , 0 < v [ i ] , w [ i ] ≤ 1000 0<N,V≤1000, 0<v[i],w[i]≤1000 0<N,V≤1000,0<v[i],w[i]≤1000输入样例
4 5 1 2 2 4 3 4 4 5
输出样例
8
闫氏DP分析法
分析思路如下:
注意:
f [ i − 1 ] [ j − v [ i ] ] + w [ i ] f[i-1][j-v[i]] + w[i] f[i−1][j−v[i]]+w[i] 不一定存在,特判一下即可
状态计算代码如下:
朴素版:
二维形式:
二维形式:
二维形式:
f
[
i
]
[
j
]
=
m
a
x
(
f
[
i
−
1
]
[
j
]
,
f
[
i
−
1
]
[
j
−
v
[
i
]
]
+
w
[
i
]
)
f[i][j] = max(f[i-1][j], f[i-1][j-v[i]] + w[i])
f[i][j]=max(f[i−1][j],f[i−1][j−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]);
}
}
优化时间版(最终版):
一维形式: 一维形式: 一维形式:
f [ j ] = m a x ( f [ j ] , f [ j − v [ i ] ] + w [ i ] ) f[j] = max(f[j], f[j-v[i]] + w[i]) f[j]=max(f[j],f[j−v[i]]+w[i])
优化方案:
思路:
( 1 ) (1) (1) f [ i ] f[i] f[i] 这层只用到了 f [ i − 1 ] f[i-1] f[i−1]这一层可以简化为滚动数组来做
( 2 ) (2) (2) 求 f [ i ] [ j ] f[i][j] f[i][j] 时只用到了 f [ i − 1 ] [ j ] f[i-1][j] f[i−1][j]与 f [ i − 1 ] [ j − v [ i ] ] f[i-1][j-v[i]] f[i−1][j−v[i]] ,可知 j j j与 j − v [ i ] j-v[i] j−v[i]均小于等于 j j j,所以可以简化为一维的形式
具体实现流程及证明:
( 1 ) (1) (1) 直接删掉第一维, f [ i ] [ j ] f[i][j] f[i][j]变为 f [ j ] f[j] f[j]
( 2 ) (2) (2) 因为 j < v [ i ] j <v[i] j<v[i]时没意义,所以 j j j 从 v [ i ] v[i] v[i] 开始枚举
( 3 ) (3) (3) 倒叙枚举 j ,计算 f [ j ] f[j] f[j]
对 (3) 倒叙枚举 j 的一些解释:
(
1
)
(1)
(1) 一维的本层与上一层值的区别
据上述分析,知:二维形式的
f
[
i
]
[
j
]
f[i][j]
f[i][j]为本层的,
f
[
i
−
1
]
[
j
]
f[i-1][j]
f[i−1][j]为上一层的,因为
i
i
i 与
i
−
1
i-1
i−1 的差别,我们可以显而易见的区分。
那么当一维形式的 f [ j ] f[j] f[j]由上一层更新为本层,没有了 i i i,如何区别?
答:通过 m a x max max 计算过,为本层值。我们知道,本层的 f [ j ] f[j] f[j] 一定是经过上一层的 f [ j ] f[j] f[j] 取 m a x max max 计算得来;那么我们可以得出小结论,在本层的 f [ j ] f[j] f[j]中,还未计算 m a x max max的为上一层的值,计算过 m a x max max的为本层的值
( 2 ) (2) (2) 解释一维变量并明确目标
目标:将二维数据直接去除一维以后,与原数据的含义相等。
解释一维数据:
f [ i ] [ j ] = m a x ( f [ i ] [ j ] , f [ i − 1 ] [ j − v [ i ] ] + w [ i ] ) f[i][j] = max(f[i][j], f[i-1][j-v[i]] + w[i]) f[i][j]=max(f[i][j],f[i−1][j−v[i]]+w[i])如果直接删除第一维,将变成 f [ j ] = m a x ( f [ j ] , f [ j − v [ i ] + w [ i ] ) 。 f[j] = max(f[j],f[j-v[i] + w[i])。 f[j]=max(f[j],f[j−v[i]+w[i])。
此方程的 f [ j − v [ i ] ] f[j-v[i]] f[j−v[i]]在计算 f [ j ] f[j] f[j]之前就在本层被计算过。所以 f [ j − v [ i ] ] f[j-v[i]] f[j−v[i]] 对应为 f [ i ] [ j − v [ i ] ] f[i][j-v[i]] f[i][j−v[i]](本层值)与原题意的对应为 f [ i − 1 ] [ j − v [ i ] ] f[i-1][j-v[i]] f[i−1][j−v[i]](上一层值)不符合。
转化目标:
所以我们的现在的目标是让
f
[
j
]
f[j]
f[j]在
f
[
j
−
v
[
i
]
]
f[j-v[i]]
f[j−v[i]]之前被计算,如此做之在计算
f
[
j
]
f[j]
f[j] 时,
f
[
j
−
v
[
i
]
]
f[j-v[i]]
f[j−v[i]]还没被计算过,其对应为
f
[
i
−
1
]
[
j
−
v
[
i
]
]
f[i-1][j-v[i]]
f[i−1][j−v[i]](上一层的值)。
(
3
)
(3)
(3) 具体方法
将
j
j
j从最大值
m
m
m开始枚举,倒叙枚举,使
f
[
j
]
f[j]
f[j] 在
f
[
j
−
v
[
i
]
]
f[j-v[i]]
f[j−v[i]]之前更新,如此可以使当计算
f
[
j
]
f[j]
f[j] 时,
f
[
j
−
v
[
i
]
]
f[j-v[i]]
f[j−v[i]] 还未计算
m
a
x
max
max(未上一层的值)。到此,一维简化完毕;
一维形式: 一维形式: 一维形式:
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]);
}
}
最终版(一维形式)全部代码:
#include <bits/stdc++.h>
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 ++ ) scanf("%d%d", &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
题意如下:
有 N N N 件物品和一个容量是 V V V 的背包。每件物品可以无限次用。
第 i i i 件物品的体积是 v [ i ] v[i] v[i],价值是 w [ i ] w[i] w[i]。
求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。 输出最大价值。输入格式
第一行两个整数, N N N, V V V,用空格隔开,分别表示物品数量和背包容积。
接下来有 N N N 行,每行两个整数 v [ i ] v[i] v[i], w [ i ] w[i] w[i],用空格隔开,分别表示第 i i i 件物品的体积和价值。输出格式
输出一个整数,表示最大价值。数据范围
0 < N , V ≤ 1000 , 0 < v [ i ] , w [ i ] ≤ 1000 0<N,V≤1000, 0<v[i],w[i]≤1000 0<N,V≤1000,0<v[i],w[i]≤1000输入样例
4 5 1 2 2 4 3 4 4 5
输出样例
10
闫氏DP分析法
分析思路如下:
注意:
f [ i ] [ j − v [ i ] ] + w [ i ] f[i][j-v[i]] + w[i] f[i][j−v[i]]+w[i] 不一定存在,特判一下即可
状态计算代码如下:
暴力版:
二维三重循环形式: 二维三重循环形式: 二维三重循环形式:
f [ i ] [ j ] = m a x ( f [ i ] [ j ] , f [ i − 1 ] [ j − k ∗ v [ i ] ] + k ∗ w [ i ] ) f[i][j] = max(f[i][j], f[i-1][j - k*v[i]] + k * w[i]) f[i][j]=max(f[i][j],f[i−1][j−k∗v[i]]+k∗w[i])
注意: N N N 为 1000 1000 1000,一定会 T L E TLE TLE(时间超限)
具体实现:
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]);
优化时间版:
二维两重循环形式:
二维两重循环形式:
二维两重循环形式:
f
[
i
]
[
j
]
=
m
a
x
(
f
[
i
−
1
]
[
j
]
,
f
[
i
]
[
j
−
v
[
i
]
]
+
w
[
i
]
)
f[i][j] = max(f[i-1][j], f[i][j-v[i]] + w[i])
f[i][j]=max(f[i−1][j],f[i][j−v[i]]+w[i])
优化方案:
思路:
由上图的闫氏DP分析法的图可以知道:
f
o
r
(
i
n
t
k
=
0
;
k
∗
v
[
i
]
<
=
j
;
k
+
+
)
for(int k = 0; k * v[i] <= j; k ++ )
for(intk=0;k∗v[i]<=j;k++)
f
[
i
]
[
j
]
=
m
a
x
(
f
[
i
]
[
j
]
,
f
[
i
−
1
]
[
j
−
k
∗
v
[
i
]
]
+
k
∗
w
[
i
]
)
f[i][j] = max(f[i][j], f[i-1][j - k*v[i]] + k * w[i])
f[i][j]=max(f[i][j],f[i−1][j−k∗v[i]]+k∗w[i])
f
[
i
]
[
j
−
v
[
i
]
]
=
m
a
x
(
f
[
i
−
1
]
[
j
]
,
f
[
i
−
1
]
[
j
−
k
∗
v
[
i
]
]
+
(
k
−
1
)
∗
w
[
i
]
)
f[i][j-v[i]] = max(f[i-1][j], f[i-1][j - k*v[i]] + (k-1) * w[i])
f[i][j−v[i]]=max(f[i−1][j],f[i−1][j−k∗v[i]]+(k−1)∗w[i])
所以:
f
[
i
]
[
j
]
f[i][j]
f[i][j]的
m
a
x
max
max的第二项循环可以转化为一个表达式,即
f
[
i
]
[
−
v
[
i
]
]
+
w
[
i
]
f[i][-v[i]] + w[i]
f[i][−v[i]]+w[i],所以可以优化掉一重循环
注意:
此处与01背包很像,两者区别为
m
a
x
max
max 中的第二项
见如下对比:
01 背包:
f
[
i
]
[
j
]
=
m
a
x
(
f
[
i
−
1
]
[
j
]
,
f
[
i
−
1
]
[
j
−
v
[
i
]
]
+
w
[
i
]
)
f[i][j] = max(f[i-1][j], f[i-1][j-v[i]] + w[i])
f[i][j]=max(f[i−1][j],f[i−1][j−v[i]]+w[i])
完全背包:
f
[
i
]
[
j
]
=
m
a
x
(
f
[
i
−
1
]
[
j
]
,
f
[
i
]
[
j
−
v
[
i
]
]
+
w
[
i
]
)
f[i][j] = max(f[i-1][j], f[i][j-v[i]] + w[i])
f[i][j]=max(f[i−1][j],f[i][j−v[i]]+w[i])
具体实现:
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]);
}
优化时间和空间版:(最终版)
一维两重循环形式:
一维两重循环形式:
一维两重循环形式:
f
[
j
]
=
m
a
x
(
f
[
j
]
,
f
[
j
−
v
[
i
]
]
+
w
[
i
]
)
;
f[j] = max(f[j], f[j-v[i]] + w[i]);
f[j]=max(f[j],f[j−v[i]]+w[i]);
优化方案:
思路:
与 01背包 类似
(
1
)
(1)
(1) 求
f
[
i
]
[
j
]
f[i][j]
f[i][j] 时只用到了
f
[
i
−
1
]
[
j
]
f[i-1][j]
f[i−1][j]与
f
[
i
]
[
j
−
v
[
i
]
]
f[i][j-v[i]]
f[i][j−v[i]] ,可知
j
j
j与
j
−
v
[
i
]
j-v[i]
j−v[i]均小于等于
j
j
j,所以可以简化为一维的形式
具体实现流程及证明:
( 1 ) (1) (1) 直接删掉第一维, f [ i ] [ j ] f[i][j] f[i][j]变为 f [ j ] f[j] f[j]
( 2 ) (2) (2) 因为 j < v [ i ] j <v[i] j<v[i]时没意义,所以 j j j 从 v [ i ] v[i] v[i] 开始枚举
( 3 ) (3) (3) 正序枚举 j ,计算 f [ j ] f[j] f[j]
对 (3) 正叙枚举 j 的一些解释:
(
1
)
(1)
(1) 变量的解释
关于 变量
f
[
j
]
f[j]
f[j] 的理解与01背包的理解一样,没经过
m
a
x
max
max处理的为上一层的数据,经过
m
a
x
max
max 处理的为本层
f
[
j
]
f[j]
f[j](具体分析流程见 01 背包问题的一维解析,此处不再赘述)
(
2
)
(2)
(2) 明确目的并对比二维与一维变量
目标:
将二维数据直接去除一维以后,与原数据的含义相等。
解释一维数据:
对
f
[
i
]
[
j
]
=
f
[
i
−
1
]
[
j
]
f[i][j] = f[i-1][j]
f[i][j]=f[i−1][j] 变为
f
[
j
]
=
f
[
j
]
f[j] = f[j]
f[j]=f[j] 的解释:
左
f
[
j
]
f[j]
f[j] 本来就是本层数据,待更新
右
f
[
j
]
f[j]
f[j] 为经过 本层的
m
a
x
max
max,为上一层的数据
与原数据含义相符
对
f
[
i
]
[
j
]
=
m
a
x
(
f
[
i
]
[
j
]
,
f
[
i
]
[
j
−
v
[
i
]
]
+
w
[
i
]
)
f[i][j] = max(f[i][j], f[i][j-v[i]] + w[i])
f[i][j]=max(f[i][j],f[i][j−v[i]]+w[i]) 变为
f
[
j
]
=
m
a
x
(
f
[
j
]
,
f
[
j
−
v
[
i
]
]
+
w
[
i
]
)
f[j] = max(f[j], f[j-v[i]] + w[i])
f[j]=max(f[j],f[j−v[i]]+w[i]) 的解释:
左
f
[
j
]
f[j]
f[j] 待更新没什么好的说的
右
m
a
x
max
max 中 第一项
f
[
j
]
f[j]
f[j],为未更新的
f
[
j
]
f[j]
f[j] 含义为本层的,
右
m
a
x
max
max 中 第二项
f
[
j
−
v
[
i
]
]
+
w
[
i
]
f[j-v[i]] + w[i]
f[j−v[i]]+w[i] 因为正序枚举
j
j
j 所以
f
[
j
−
v
[
i
]
]
f[j-v[i]]
f[j−v[i]] 在本层的
f
[
j
]
f[j]
f[j] 之前计算过,为本层的
f
[
j
−
v
[
i
]
]
f[j-v[i]]
f[j−v[i]] 与原含义相等
与原数据含义相符
具体实现:
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]);
}
}
最终版(一维形式)完整代码如下:
#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;
}
多重背包问题 I I I
题意如下:
有 N N N 件物品和一个容量是 V V V 的背包。
第 i i i 件物品最多有 s [ i ] s[i] s[i],每件体积是 v [ i ] v[i] v[i],价值是 w [ i ] w[i] w[i]。
求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。 输出最大价值。输入格式
第一行两个整数, N N N, V V V,用空格隔开,分别表示物品数量和背包容积。
接下来有 N N N 行,每行两个整数 v [ i ] v[i] v[i], w [ i ] w[i] w[i],用空格隔开,分别表示第 i i i 件物品的体积和价值。输出格式
输出一个整数,表示最大价值。数据范围
0 < N , V ≤ 100 , 0 < v [ i ] , w [ i ] , s [ i ] ≤ 100 0<N,V≤100, 0<v[i],w[i], s[i]≤100 0<N,V≤100,0<v[i],w[i],s[i]≤100输入样例
4 5 1 2 2 4 3 4 4 5
输出样例
10
思路:
题目范围较小,按照完全背包的暴力版枚举即可,在循环个数时,加一个限制条件即可
暴力版:
二维三重循环形式: 二维三重循环形式: 二维三重循环形式:
f [ i ] [ j ] = m a x ( f [ i ] [ j ] , f [ i − 1 ] [ j − k ∗ v [ i ] ] + k ∗ w [ i ] ) f[i][j] = max(f[i][j], f[i-1][j - k*v[i]] + k * w[i]) f[i][j]=max(f[i][j],f[i−1][j−k∗v[i]]+k∗w[i])
具体实现:
for(int i = 1; i <= n; i ++ )
for(int j = 0; j <= m; j ++ )
for(int k = 0; k * v[i] <= j && k <= s[i]; k ++ )
f[i][j] = max(f[i][j], f[i-1][j - k*v[i]] + k * w[i]);
整体代码如下:
#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;
}
一维两重循环形式 一维两重循环形式 一维两重循环形式
思路:
因为涉及第
i
−
1
i - 1
i−1 层的状态,所以我们从大到小枚举(至于为什么,可以看上面01背包问题的讲解)
具体实现:
for(int i = 1; i <= n; i ++ )
{
for(int j = m; j >= 0; j -- )
{
for(int k = 0; k <= s[i] && k * v[i] <= j; k ++ )
{
f[j] = max(f[j],f[j - v[i] * k ] + w[i] * k);
}
}
}
整体代码如下:
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 110;
int n,m;
int v[N],w[N],s[N];
int f[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 = m; j >= 0; j -- )
{
for(int k = 0; k <= s[i] && k * v[i] <= j; k ++ )
{
f[j] = max(f[j],f[j - v[i] * k ] + w[i] * k);
}
}
}
cout << f[m] << endl;
return 0;
}
多重背包问题 I I II II
题意如下:
有 N N N 件物品和一个容量是 V V V 的背包。
第 i i i 件物品最多有 s [ i ] s[i] s[i],每件体积是 v [ i ] v[i] v[i],价值是 w [ i ] w[i] w[i]。
求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。 输出最大价值。输入格式
第一行两个整数, N N N, V V V,用空格隔开,分别表示物品数量和背包容积。
接下来有 N N N 行,每行两个整数 v [ i ] v[i] v[i], w [ i ] w[i] w[i],用空格隔开,分别表示第 i i i 件物品的体积和价值。输出格式
输出一个整数,表示最大价值。数据范围
0 < N ≤ 1000 , 0 < V < 2000 , 0 < v [ i ] , w [ i ] , s [ i ] ≤ 2000 0<N≤1000,0 <V<2000, 0<v[i],w[i],s[i]≤2000 0<N≤1000,0<V<2000,0<v[i],w[i],s[i]≤2000输入样例
4 5 1 2 2 4 3 4 4 5
输出样例
10
思路:
题目范围较大,按照完全背包的暴力版枚举时间复杂度为O(10^9),一定会TLE,
考点:
多重背包问题的二进制优化方案,
将第
i
i
i 个物品可以选
s
[
i
]
s[i]
s[i] 次,分为可以选
c
n
t
cnt
cnt 个组,
c
n
t
cnt
cnt组的总和为
s
[
i
]
s[i]
s[i]
结论:
c n t cnt cnt 为 l o g ( 2 ) log(2) log(2) + s [ i ] s[i] s[i]剩余的部分(无法分为2的整次幂的部分)
验证正确性:
7 = 111[2]
7 = 1 + 2 + 4
8 = 111[2]+1[10]
8 = 1 + 2 + 4 + 1
20 = 1111[2] + 4[10]
20 = 1 + 2 + 3 + 4 + 8 + 4
具体实现:
struct Good
{
int v, w;
};
vector<Good> goods;
for(int i = 0; i < n; i ++ )
{
int v, w, s;
cin >> v >> w >> s;
for(int k = 1; k <= s; k *= 2)
{
s -= k;
goods.push_back({v*k, w*k});
}
if(s > 0) goods.push_back({v*s, w*s});
}
整体代码如下:
#include <iostream>
#include <algorithm>
#include <cstdio>
#include <cstring>
#include <vector>
using namespace std;
const int N = 2010;
int n, m;
int f[N];
struct Good
{
int v, w;
};
int main()
{
cin >> n >> m;
vector<Good> goods;
for(int i = 0; i < n; i ++ )
{
int v, w, s;
cin >> v >> w >> s;
for(int k = 1; k <= s; k *= 2)
{
s -= k;
goods.push_back({v*k, w*k});
}
if(s > 0) goods.push_back({v*s, w*s});
}
for(int i = 0; i < goods.size(); i ++ )
{
for(int j = m; j >= goods[i].v; j -- )
{
f[j] = max(f[j], f[j-goods[i].v] + goods[i].w);
}
}
cout << f[m] << endl;
return 0;
}
分组背包问题
题意如下:
有 N N N 组物品和一个容量是 V V V 的背包。
每组物品有若干个,同一组内的物品最多只能选一个。
每件物品的体积是 v [ i ] [ j ] v[i][j] v[i][j],价值是 w [ i ] [ j ] w[i][j] w[i][j],其中 i i i 是组号, j j j 是组内编号。
求解将哪些物品装入背包,可使物品总体积不超过背包容量,且总价值最大。
输出最大价值。输入格式
第一行有两个整数 N N N, V V V,用空格隔开,分别表示物品组数和背包容量。接下来有 N N N 组数据:
每组数据第一行有一个整数 s [ i ] s[i] s[i],表示第 i i i 个物品组的物品数量; 每组数据接下来有 s [ i ] s[i] s[i] 行,每行有两个整数 v [ i ] [ j ] v[i][j] v[i][j], w [ i ] [ j ] w[i][j] w[i][j],用空格隔开,分别表示第 i i i 个物品组的第 j j j 个物品的体积和价值;
输出格式
输出一个整数,表示最大价值。数据范围
0 < N , V ≤ 1000 < s [ i ] ≤ 100 0<N,V≤100 0<s[i]≤100 0<N,V≤1000<s[i]≤100
0 < v [ i ] [ j ] , w [ i ] [ j ] ≤ 100 0<v[i][j],w[i][j]≤100 0<v[i][j],w[i][j]≤100输入样例
3 5 2 1 2 2 4 1 3 4 1 4 5
输出样例
8
思路:
多重背包问题
I
I
I 的普通版,与多重背包问题
I
I
I 相比,此问题是将
s
[
i
]
s[i]
s[i] 个分开计算,多重背包问题
I
I
I 是 打包成
s
[
i
]
s[i]
s[i] 组,暴力枚举即可,与多重背包问题
I
I
I 思路一样
暴力版:
二维形式: 二维形式: 二维形式:
f [ i ] [ j ] = m a x ( f [ i ] [ j ] , f [ i − 1 ] [ j − v [ i ] [ k ] ] + w [ i ] [ k ] ) f[i][j] = max(f[i][j], f[i-1][j - v[i][k]] + w[i][k]) f[i][j]=max(f[i][j],f[i−1][j−v[i][k]]+w[i][k])
一维形式:
一维形式:
一维形式:
f
[
j
]
=
m
a
x
(
f
[
j
]
,
f
[
j
−
v
[
i
]
[
k
]
]
+
w
[
i
]
[
k
]
)
f[j] = max(f[j], f[j - v[i][k]] + w[i][k])
f[j]=max(f[j],f[j−v[i][k]]+w[i][k])
具体实现:
for(int i = 1; i <= n; i ++ )
for(int j = m; j >= 0; j -- )
for(int k = 0; k <= s[i]; k ++ )
if(j >= v[i][k]) f[j] = max(f[j], f[j - v[i][k]]+w[i][k]);
整体代码如下:
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 210;
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(j >= v[i][k]) f[j] = max(f[j], f[j - v[i][k]]+w[i][k]);
cout << f[m] << endl;
return 0;
}