01背包
有N件物品和一个容量为V的背包。放入第i件物品花费的费用是v[i],得到的价值是w[i]求将哪些物品装入背包可使价值总和最大.
状态转移方程
f[i][j]=max(f[i−1][j],f[i−1][j−c[i]]+w[i])
时间复杂度 O(N*V)
一维数组优化空间复杂度
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]);
因为f[ i ][ j ]由f[ i-1 ][ j-v[ i ] ]+w[ i ]和f[ i-1][ j ]得到,所以第二层循环要逆序.
完全背包
有N NN种物品和一个容量为V的背包,每种物品都有无限件可用。第i种物品的费用是 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。
状态转移方程
f[i][j]=max(f[i−1][j−k∗c[i]]+k∗w[i])∣0≤k∗c[i]≤j
f[i][j]=max(f[i−1][j],f[i][j−c[i]]+w[i])
时间复杂度 O(N*V)
一维优化代码
for(int i=1;i<=n;i++)
for(int j=v[i];j<=n;j++)
f[j]=max(f[j],f[j-v[i]]+w[i]);
可以发现完全背包和01背包代码的区别就是内层循环的顺序
多重背包
有N种物品和一个容量为V的背包。第i种物s[i]件可用,每v[i],价值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.
二进制优化变为背包问题
将每种物品按1 2 4 8 ....的数量打包,这样可以表示出0-s[i]的任何数,就可以表示每种选的情况。这样打包后每种物品只可以选一次,就变为了01背包问题
#include<bits/stdc++.h>
using namespace std;
const int N=12010,M=2010;
int v[N],w[N],f[M],cnt;
int main()
{
int n,m;
cin>>n>>m;
for(int i=1;i<=n;i++)
{
int a,b,s;
cin>>a>>b>>s;
int k=1;
while(k<=s)
{
cnt++;
w[cnt]=b*k;
v[cnt]=a*k;
s-=k;
k*=2;
}
if(s)
{
cnt++;
w[cnt]=b*s;
v[cnt]=a*s;
}
}
for(int i=1;i<=cnt;i++)
for(int j=m;j>=v[i];j--)
f[j]=max(f[j],f[j-v[i]]+w[i]);
cout<<f[m];
return 0;
}
分组背包
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]。这些物品被划分为若干组,每组中的物品互相冲突,最多选一件。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。
状态转移方程
f[k][j]=max(f[k−1][j],f[k−1][j−c[i]]+w[i]∣物品i⊆组k)
代码
#include <bits/stdc++.h>
using namespace std;
const int N=110;
int v[N][N],w[N][N],s[N],f[N];
int main()
{
int n,m;
cin>>n>>m;
for(int i=1;i<=n;i++)
{
cin>>s[i];
for(int j=1;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=1;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];
return 0;
}