9. 分组背包问题
题目描述
有 N 组物品和一个容量是 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 vij,价值是 wij,其中 i 是组号,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,V,用空格隔开,分别表示物品组数和背包容量。
接下来有 N 组数据:
每组数据第一行有一个整数 Si,表示第 i 个物品组的物品数量;
每组数据接下来有 Si 行,每行有两个整数 vij,wij,用空格隔开,分别表示第 i 个物品组的第 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≤100
0<Si≤100
0<vij,wij≤100
输入样例
3 5
2
1 2
2 4
1
3 4
1
4 5
输出样例:
8
动态规划
二维数组
这段代码是分组背包问题的解决方案。详细注释如下:
#include<bits/stdc++.h>
using namespace std;
// v和w数组按照组编号和组内编号存储每个物品的体积和价值
// s数组存储每个组的物品个数
int v[110][110], w[110][110], s[110];
// dp数组用于动态规划,dp[i][j]表示前i组物品放入容量为j的背包可以得到的最大价值
int dp[110][110];
int main()
{
int n,m; // n为物品组数,m为背包容量
cin>>n>>m;
// 读取每组物品的信息
for(int i=1; i<=n; i++)
{
cin>>s[i]; // 读取第i组的物品数量
for(int j=0; j<s[i]; j++)
cin>>w[i][j]>>v[i][j]; // 读取第i组中每个物品的体积和价值
}
// 动态规划处理每组物品
for(int i=1; i<=n; i++) // 遍历每组物品
{
// 遍历所有可能的背包容量
for(int j=0; j<=m; j++)
{
// 先继承上一组物品决策的价值
dp[i][j]=dp[i-1][j];
// 在当前背包容量下尝试放入这一组内的每个物品
for(int k=0; k<s[i]; k++)
{
// 如果当前背包容量可以放下这个物品
if(j>=w[i][k])
// 更新当前的最大价值
// dp[i-1][j-w[i][k]] 表示在放入这个物品之前的背包的最大价值
// v[i][k] 表示当前物品的价值
// 选择这两种方案中价值更大的一个作为dp[i][j]的值
dp[i][j]=max(dp[i][j], dp[i-1][j-w[i][k]] + v[i][k]);
}
}
// 输出所有组物品决策完毕后,容量为m的背包能够达到的最大价值
cout<<dp[n][m];
}
分组背包问题与01背包问题不同之处在于,每组物品中只能选择一个物品。此代码通过二维的 dp
数组来记录状态,其中 dp[i][j]
表示考虑到第 i
组物品,当前背包容量为 j
时的最大价值。对于每组物品,内层循环遍历组内所有物品,并判断在当前背包容量下是否能放入该物品,若能放入,则尝试更新当前组在该背包容量下的最大价值。这种方法保证了同一组内的物品最多只有一个被选中。最后输出 dp[n][m]
即为所有组物品决策完毕后,背包容量为 m
的背包所能达到的最大价值。
一维数组
这段代码是一个分组背包问题的解决方案,使用了动态规划的方法。下面是详细的代码注释:
#include<bits/stdc++.h>
using namespace std;
// v和w二维数组存储每个组中每个物品的体积和价值
int v[110][110], w[110][110];
// s数组存储每个组的物品数
int s[110];
// dp数组用于动态规划,dp[j]表示当前背包容量为j时的最大价值
int dp[110];
int main()
{
int n, m; // n表示物品组数,m表示背包的最大容量
cin >> n >> m;
// 输入每组物品的数据
for(int i = 1; i <= n; i++)
{
cin >> s[i]; // 输入第i组的物品数量
for(int j = 0; j < s[i]; j++)
cin >> w[i][j] >> v[i][j]; // 输入第i组中每个物品的体积和价值
}
// 遍历每一组物品
for(int i = 1; i <= n; i++)
{
// 逆序遍历背包容量,这是为了确保每组物品只被选取一次
for(int j = m; j >= 0; j--)
{
// 遍历第i组的所有物品
for(int k = 0; k < s[i]; k++)
{
// 如果当前背包容量可以容纳第i组的第k个物品
if(j >= w[i][k])
// 更新dp[j],决策是不取该物品时的价值,或者是取该物品
// 加上剩余容量dp[j - w[i][k]]时的价值,两者取较大值
dp[j] = max(dp[j], dp[j - w[i][k]] + v[i][k]);
}
}
}
// 输出背包容量为m时能够达到的最大价值
cout << dp[m];
}
代码逻辑如下:
-
定义了几个数组,
v
和w
分别存储每组中每个物品的体积和价值,s
存储每组的物品数量,dp
用于动态规划,存储达到当前背包容量时的最大价值。 -
main
函数从标准输入中读取物品组数和背包容量,并接着读取每组物品的数量以及每个物品的体积和价值。 -
对于每个物品组,进行动态规划。为了保证每组物品中只取一个,内层循环对背包容量从大到小进行遍历,这样可以确保在更新
dp[j]
时,依赖的是未更新的状态,从而确保每组物品只被考虑一次。 -
对于每个物品,检查当前背包容量是否足以放下该物品。如果可以,就尝试更新当前容量下的最大价值。
-
在动态规划结束后,输出
dp[m]
,即背包容量为m
时的最大价值,这就是所求的答案。