参考链接:http://blog.csdn.net/wzy_1988/article/details/12260343
多重背包问题:参考:http://blog.csdn.net/LYHVOYAGE/article/details/8545852
将多重背包问题转化为0/1背包问题:http://blog.csdn.net/kyriesnow/article/details/44256701
给出了5种多重背包的解决办法http://blog.csdn.net/QiaoRuoZhuo/article/details/76259876
前言
对于背包问题的初始化的说明:参考:https://github.com/tianyicui/pack/blob/master/V2.pdf
这个是一个17页的pdf文档,里面详细讲了背包9讲的内容,结合本篇博客看
我们看到的求最优解的背包问题题目中,事实上有两种不太相同的问法。有的题目要求“恰好装满背包”时的最优解,有的题目则并没有要求必须把背包装满。一种区别这两种问法的实现方法是在初始化的时候有所不同。
1)如果是第一种问法,要求恰好装满背包,那么在初始化时除了
F
[0]
为
0
,其它
F
[1
::V
]
均设为
-1
,这样就可以保证最终得到的
F
[
V
]
是一种恰好装满背包的最优解。
2)如果并没有要求必须把背包装满,而是只希望价格尽量大,初始化时应该将
F
[0
::V
]
全部设为
0
。
这是为什么呢?可以这样理解:初始化的
F
数组事实上就是在没有任何物品可以放入背包时的合法状态。如果要求背包恰好装满,那么此时只有容量为
0
的背包可以在什么也不装且价值为
0
的情况下被“恰好装满”,其它容量的背包均没有合法的解,属于未定义的状态,应该被赋值为
-∞
了。如果背包并非必须被装满,那么任何容量的背包都有一个合法解“什么都不装”,这个解的价值为
0
,所以初始时状态的值也就全部为
0
了。
01背包
题目
有N件物品和一个容量为V的背包。第i建物品的费用是c[i],价值是w[i]。求解将哪些物品装入背包可使价值总和最大
思路
这是最基础的背包问题,特点是:每种物品只有一件,可以选择放或者不放
用子问题定义状态:即dp[i][j]表示前i件物品放入一个容量为j的背包可以获得的最大价值。则其状态转移方程为:
- dp[i][j] = max{dp[i - 1][j], dp[i - 1][j - c[i]] + w[i]}
这个方程非常重要,基本上所有跟背包相关的问题的方程都是由它衍生出来。这里详细解释一下:
将前i件物品放入容量为j的背包中这个子问题,若只考虑第i件物品的策略(放或者不放),那么就可以转换为一个只牵扯前i-1件物品的问题。
- 如果不放第i件物品,那么问题就转换为前i-1件物品放入容量为j的背包中的最大价值,价值为dp[i - 1][j]
- 如果放入第i件物品,那么问题就转换为前i-1件物品放入容量为j-c[i]的背包中,此时能获得的最大价值是dp[i-1][j-c[i]],再加上放入第i件物品获得的价值w[i]
优化空间复杂度
先考虑一下上面的状态转移方程如何实现,肯定有一个主循环i = 1...N,每次算出来二维数组dp[i][0..V]的所有值。那么如果只用一个数组f[0...V],能不能保证第i次循环结束后f[v]就是我们定义的状态f[i][v]呢?f[i][v]是由f[i-1][v]和f[i-1][v-c[i]]两个子问题递推而来,能否保证在推f[i][v]时(也即在第i次主循环中推f[v]时)能够得到f[i-1][v]和f[i-1][v-c[i]]的值呢?事实上,这要求在每次主循环中我们以v=V...0的顺序推f[v],这样才能保证推f[v]时f[v-c[i]]保存的是状态f[i-1][v-c[i]]的值。伪代码如下:
- for i in 0 ... N
- for v = V ... 0
- f[v] = max{f[v], f[v-c[i]] + w[i]}
练习题目
代码:
- #include <stdio.h>
- #include <stdlib.h>
- #include <string.h>
- #include<math.h>
- #define N 1010
-
- int value[N], volume[N], dp[N];
-
-
- void dpPackage(int n, int v)
- {
- int i, j;
-
- memset(dp, 0, sizeof(dp));
-
- for (i = 1; i <= n; i ++) {
- for (j = v; j >= volume[i]; j --) //容量从大到小进行遍历,v表示背包的总容量,volume[i]表示第i个物品所占的空间
- {
- dp[j] =max(dp[j], dp[j - volume[i]] + value[i])
- }
- }
-
- printf("%d\n", dp[v]);
- }
-
- int main(void)
- {
- int i, t, n, v; //t表示use_case的数量,n表示物品的总数,v表示背包容量
-
- scanf("%d", &t);
-
- while (t --) {
-
- scanf("%d %d", &n, &v);
-
- for (i = 1; i <= n; i ++) scanf("%d", value + i);
- for (i = 1; i <= n; i ++) scanf("%d", volume + i);
-
-
- dpPackage(n, v);
- }
-
- return 0;
- }
完全背包问题
题目
有N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],价格是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
思路
这个问题类似于01背包问题,所不同的是每种物品有无限件。也就是从每种物品的角度考虑,与它相关的策略
已非取或不取两种,而且右取0件、取1件、取2件...等很多种。如果仍然按照01背包的思路,令dp[i][v]表示前i种物品恰好放入一个容量为v的背包的最大权值。仍然可以按照每种物品不同的策略写出状态转移方程:
- dp[i][v] = max{dp[i-1][v - k * c[i]] + k * w[i] | 0 <= k * c[i]<= v}
转化为01背包求解
最简单的想法是:考虑到第i种物品最多选V/c[i]件,于是可以把第i种物品转换为V/c[i]件费用及价值均不变的物品,然后求解这个01背包问题。但是这样完全没有改进时间复杂度,但这毕竟给了我们将完全背包转换为01背包问题的思路:将一种物品拆成多件物品
O(VN)的算法
这个算法使用一维数组,先看伪代码:
- for i = 1 ... N //有的时候为了效率,可以将这两层循环进行互换
- for v = 0 ... V
- f[v] = max{f[v], f[v-cost] + weight}
你会发现,这个伪代码与01背包的伪代码只有v的循环次序不同而已。为什么这样一改就行呢?首先,想想为什么01背包问题中要按照v=V...0的逆序来循环。这是因为要保证第i次循环中的状态f[i][v]是由状态f[i-1][v-c[i]]递推而来。换句话说,
这正是为了保证每件物品只选一次,保证在考虑“选入第i件物品”这件策略时,依据的是一个肯定没有已经选入第i件物品的子结果f[i-1][v-c[i]]。而现在完全背包的特点恰好是每种物品可选无限件,所以在考虑“加选一件第i种物品”这种策略时,却正需要一个可能已选入第i种物品的子结果f[i][c-v[i]],所以就可以并且必须采用v=0...V的顺序循环
练习题目
代码:
-
-
-
-
- #include <stdio.h>
- #include <stdlib.h>
-
- #define INF 50000000
-
- typedef struct coin {
- int price, weight;
- } coin;
-
- void dynamicPackage(coin *coins, int n, int v)
- {
- if (v < 0) {
- printf("This is impossible.\n");
- return;
- }
-
- int i, j, *dp;
-
-
- dp = (int *)malloc(sizeof(int) * (v + 1));
-
-
- dp[0] = 0;
- for (i = 1; i <= v; i ++) dp[i] = INF;
-
-
- for (i = 1; i <= n; i ++) {
- for (j = coins[i].weight; j <= v; j ++) //和0/1背包的区别,仅仅在于这层循环的顺序问题,0/1背包是逆序遍历,完全背包问题是顺序遍历
- {
- //f[v] = max{f[v], f[v-cost] + weight}
- dp[j] = (dp[j] < dp[j - coins[i].weight] + coins[i].price) ? dp[j] : dp[j - coins[i].weight] + coins[i].price;
- }
- }
-
- if (dp[v] >= INF)
- printf("This is impossible.\n");
- else
- printf("The minimum amount of money in the piggy-bank is %d.\n", dp[v]);
-
-
-
- free(dp);
- dp = NULL;
- }
-
-
- int main(void)
- {
- int t, e, f, n, i;
- coin *coins;
-
- scanf("%d", &t);
-
- while (t --) {
- scanf("%d %d", &e, &f);
- scanf("%d", &n);
-
-
- coins = (coin *)malloc(sizeof(coin) * (n + 1));
- if (coins == NULL) exit(-1);
-
- for (i = 1; i <= n; i ++) {
- scanf("%d %d", &coins[i].price, &coins[i].weight);
- }
-
-
- dynamicPackage(coins, n, f - e);
-
-
- free(coins);
- coins = NULL;
- }
-
- return 0;
- }
多重背包问题
多重背包问题要求很简单,就是每件物品给出确定的件数,求
可得到的最大价值
多重背包转换成 01 背包问题就是多了个初始化,把它的件数C 用二进制
分解成若干个件数的集合,这里面数字可以组合成任意小于等于C
的件数,而且不会重复,之所以叫二进制分解,是因为这样分解可
以用数字的二进制形式来解释
比如:7的二进制 7 = 111 它可以分解成 001 010 100 这三个数可以
组合成任意小于等于7 的数,而且每种组合都会得到不同的数
15 = 1111 可分解成 0001 0010 0100 1000 四个数字
如果13 = 1101 则分解为 0001 0010 0100 0110 前三个数字可以组合成 7以内任意一个数,即1、2、4可以组合为1——7内所有的数,加上 0110 = 6 可以组合成任意一个大于6 小于等于13的数,比如12,可以让前面贡献6且后面也贡献6就行了。虽然有重复但总是能把 13 以内所有的数都考虑到了,基于这种思想去把多件物品转换为,多种一件物品,就可用0/1 背包求解了。
------------------------------------------------------------------------------------
以下为程序流程:
void MultiplePack(int w, int p, int m)
{
if (w * m >= p)
{
CompletePack(w, p);
return;
}
int k = 1;
while (k < m)
{
ZeroOnePack(k * w, k * p);
m -= k;
k *= 2;
}
ZeroOnePack(m * w, m * p);
}
下面附上多重背包的模板:
- #include <iostream>
- #include <algorithm>
- using namespace std;
- #define MAXL 10001
-
- int dp[MAXL], V, n, w, p, m;
-
- void ZeroOnePack(int w, int p);
- void CompletePack(int w, int p);
- void MultiplePack(int w, int p, int m);
-
- int main()
- {
- cin >> V >> n; //输入总的空间V,以及总的物品种类n
- for (int i = 1; i <= n; i++) //n表示物品种类的数量num
- {
- cin >> w >> p >> m;
- MultiplePack(w, p, m);
- }
- cout << dp[V] << endl;
- return 0;
- }
-
- void MultiplePack(int w, int p, int m)
- {
- if (w * m >= p)
- {
- CompletePack(w, p);
- return;
- }
- int k = 1;
- while (k < m)
- {
- ZeroOnePack(k * w, k * p);
- m -= k;
- k *= 2;
- }
- ZeroOnePack(m * w, m * p);
- }
-
- void ZeroOnePack(int w, int p)
- {
- for (int j = V; j >= w; j--)
- dp[j] = max(dp[j - w] + p, dp[j]);
- }
-
- void CompletePack(int w, int p)
- {
- for (int j = w; j <= V; j++)
- dp[j] = max(dp[j - w] + p, dp[j]);
- }
--------------------------------------------------------------------------------
看代码:
- int n;
- int c;
- int v;
- int s;
- int count = 0;
- int value[MAX];
- int size[MAX];
-
- scanf("%d", &n);
-
- while (n--)
- {
- scanf("%d%d%d", &c, &s, &v);
- for (int k=1; k<=c; k*=2)
- {
- value[count] = k*v;
- size[count++] = k*s;
- c -= k;
- }
- if (c > 0)
- {
- value[count] = c*v;
- size[count++] = c*s;
- }
- }
定理:一个正整数n可以被分解成1,2,4,…,2^(k-1),n-2^k+1(k是满足n-2^k+1>0的最大整数)的形式,且1~n之内的所有整数均可以唯一表示成1,2,4,…,2^(k-1),n-2^k+1中某几个数的和的形式。
证明如下:
(1) 数列1,2,4,…,2^(k-1),n-2^k+1中所有元素的和为n,所以若干元素的和的范围为:[1, n];
(2)如果正整数t<= 2^k – 1,则t一定能用1,2,4,…,2^(k-1)中某几个数的和表示,这个很容易证明:我们把t的二进制表示写出来,很明显,t可以表示成n=a0*2^0+a1*2^1+…+ak*2^(k-1),其中ak=0或者1,表示t的第ak位二进制数为0或者1.
(3)如果t>=2^k,设s=n-2^k+1,则t-s<=2^k-1,因而t-s可以表示成1,2,4,…,2^(k-1)中某几个数的和的形式,进而t可以表示成1,2,4,…,2^(k-1),s中某几个数的和(加数中一定含有s)的形式。
(证毕!)
现在用count 代替 n 就和01 背包问题完全一样了
杭电2191题解:
此为多重背包<====>用0/1背包+完全背包:
- #include<stdio.h>
- #include<string.h>
- int dp[102];
- int p[102],h[102],c[102]; //p[]表示,h[],c[]表示每个物品最多可以使用个数
- int n,m;
- void comback(int v,int w)
- {
- for(int i=v; i<=n; i++)
- if(dp[i]<dp[i-v]+w)
- dp[i]=dp[i-v]+w;
- }
- void oneback(int v,int w)
- {
- for(int i=n; i>=v; i--)
- if(dp[i]<dp[i-v]+w)
- dp[i]=dp[i-v]+w;
- }
- int main()
- {
- int ncase,i,j,k;
- scanf("%d",&ncase);
- while(ncase--)
- {
- memset(dp,0,sizeof(dp));
- scanf("%d%d",&n,&m);
- for(i=1; i<=m; i++)
- {
- scanf("%d%d%d",&p[i],&h[i],&c[i]);
- if(p[i]*c[i]>=n)//c[i]的数量足够多,完全可以满足经费限制,那么就转化为完全背包问题(不限制每种物品的数量)
- comback(p[i],h[i]); //完全背包问题
- else //c[i]数量有限,需要进行二进制拆分,然后转化为0/1背包问题
- {
- for(j=1; j<c[i]; j*=2) //进行二进制拆分,c[i]表示每种物品最大可用个数
- {
- oneback(j*p[i],j*h[i]);
- c[i]=c[i]-j;
- }
- oneback(p[i]*c[i],h[i]*c[i]); //因为上面是j<c[i],因此还需要用c[i]替换j,即j*p[i]===>c[i]*p[i]
- }
- }
- printf("%d\n",dp[n]);
- }
- return 0;
- }
只是用01背包,用二进制优化:
- #include <iostream>
- using namespace std;
- int main()
- {
- int nCase,Limit,nKind,i,j,k, v[111],w[111],c[111],dp[111];
-
-
- int count,Value[1111],size[1111];
-
-
-
- cin>>nCase;
- while(nCase--)
- {
- count=0;
- cin>>Limit>>nKind;
- for(i=0; i<nKind; i++)
- {
- cin>>w[i]>>v[i]>>c[i];
-
- for(j=1; j<=c[i]; j<<=1)
- {
-
- Value[count]=j*v[i];
- size[count++]=j*w[i];
- c[i]-=j;
- }
- if(c[i]>0)
- {
- Value[count]=c[i]*v[i];
- size[count++]=c[i]*w[i];
- }
- }
-
-
-
-
-
- memset(dp,0,sizeof(dp));
- for(i=0; i<count; i++)
- for(j=Limit; j>=size[i]; j--)
- if(dp[j]<dp[j-size[i]]+Value[i])
- dp[j]=dp[j-size[i]]+Value[i];
-
- cout<<dp[Limit]<<endl;
- }
- return 0;
- }
未优化的:
- #include<iostream>
- #include<cstdio>
- #include<cstring>
- using namespace std;
-
- int Value[105];
- int Cost[105];
- int Bag[105];
- int dp[105];
-
- int main()
- {
- int C,m,n;
- scanf("%d",&C);
- while(C--)
- {
- scanf("%d%d",&n,&m);
- for(int i = 1; i <= m; i++)
- scanf("%d%d%d",&Cost[i],&Value[i],&Bag[i]);
- memset(dp,0,sizeof(dp));
- for(int i=1; i<= m; i++)
- for(int j=1; j<=Bag[i]; j++)
- for(int k=n; k>=Cost[i]; k--)
- dp[k]=max(dp[k], dp[k-Cost[i]]+Value[i]);
- printf("%d\n",dp[n]);
- }
- return 0;
- }
----------------------------------------------------------------------------------------------------------
未优化的多重背包问题:时间复杂度O(N^3)
容量为10的背包,有5种物品,每种物品数量分别为1,2,1,2,1,其重量分别为5,4,3,2,1,其价值分别为1,2,3,4,5。
设计算法,实现背包内物品价值最大。
代码如下(输出16)
#include <iostream>
#include<algorithm>
using namespace std;
int main()
{
int total_weight = 10;
int w[6] = { 0,5,4,3,2,1 };
int v[6] = { 0,1,2,3,4,5 };
int cot[6] = { 0,1,2,1,2,1 };
int dp[11] = { 0 };
for (int i = 1; i <= 5; i++)
for (int k = 1; k <= cot[i];k++)
for (int j = 10; j >= w[i]; j--)
dp[j] = max(dp[j], dp[j - w[i]] + v[i]);
cout << "总的价值为: " << dp[10] << endl;
return 0;
}