完全背包与多重背包

最新推荐文章于 2024-04-28 17:45:41 发布

Sr's man

最新推荐文章于 2024-04-28 17:45:41 发布

阅读量263

点赞数

分类专栏：算法文章标签：动态规划 python

本文链接：https://blog.csdn.net/qq_20966795/article/details/89390303

版权

算法专栏收录该内容

40 篇文章 0 订阅

订阅专栏

完全背包问题

提出问题：
现在有 $N$ 个物品，和一个容量为 $V$ 的背包,每一种物品都有无限件可以使用。第 $i$ 种物品的费用是 $C_{i}$ ,价值是 $W_{i}$ .求解将那些物品装入背包，在总重量不超过背包容量的情况下，使得背包内的物品价值最大。

求解问题：
对于每一个物品，我们有无限件，对于每一个物品，问题已经不是取或者是不取，而是选取0件、取1件、取2件直到取 $\left\lfloor V/C_{i} \right\rfloor$ 。
按照01背包的思路：建立动态规划表F[i,v]表示前i种物品放在一个容量为v的背包的最大价值。现在写出状态方程：
$max\{F[i-1,j-kC_{i}] + kW_{i}\, | \, 0 \leq kC_{i} \leq v\}$

def completePack(w,v,maxCap):
    dp = [[0]*(maxCap+1) for _ in range(len(w)+1)]
    for i in range(1,len(w)+1):
        for j in range(1,maxCap+1):
            if j < w[i-1]:
                dp[i][j] = dp[i-1][j]
            else:
                maxnum = 0
                for k in range((j//w[i-1])+1):
                    maxnum = max(maxnum,dp[i-1][j-k*w[i-1]] + k*v[i-1])
                dp[i][j] = maxnum
    return dp

w = [2,3,4,5]
v = [3,4,5,6]
V = completePack(w,v,10)

V

[[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
 [0, 0, 3, 3, 6, 6, 9, 9, 12, 12, 15],
 [0, 0, 3, 4, 6, 7, 9, 10, 12, 13, 15],
 [0, 0, 3, 4, 6, 7, 9, 10, 12, 13, 15],
 [0, 0, 3, 4, 6, 7, 9, 10, 12, 13, 15]]

求解状态方法，需要有 $O (V N)$ 个状态求解，但是求解每一个状态的时间已经不是常数时间，求解F[i,v]的时间是 $O(\frac{V}{C_{i}})$ ,所以总的复杂度是 $O(NV\sum\frac{V}{C_{i}})$ .

一个简单有效的优化：

现在有两件物品i,j满足 $C_{i} \leq C_{j}$ 且 $W_{i} \geq C_{j}$ ,就可以直接去掉物品j。
如果物品的重量大于背包容量可以直接去掉。
如果重量相同，我们取出价值最高的物品。

转换为01背包问题求解：把第i种物品换成 $M_{i}$ 件01背包的物品， $M_{i} = \left\lfloor \frac{V}{C_{i}} \right\rfloor$ .所以我们现在就有 $\sum M_{i}$ 的物品。
现在建立动态规划的状态表。
$F [i] [j] :$ 表示容量为j的背包装到前i个物品物品的最大价值。
那么问题F[i][j]:就会变成不装这个物品 $d p [i - 1] [j]$ ，多装一个这个物品 $dp[i][j-w_{i}]$ 。
我们写出递归式：
$F[i,v] = max(F[i-1,j], F[i,j-w_{i}] + v_{i})$

def completePack(w,v,maxCap):
    dp = [[0]*(maxCap+1) for _ in range(len(w)+1)]
    for i in range(1,len(w)+1):
        for j in range(1,maxCap+1):
            if j < w[i-1]:
                dp[i][j] = dp[i-1][j]
            else:
                dp[i][j] = max(dp[i-1][j], dp[i][j-w[i-1]]+ v[i-1])
    return dp

w = [2,3,4,5]
v = [3,4,5,6]

V = completePack(w,v,10)

[[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
 [0, 0, 3, 3, 6, 6, 9, 9, 12, 12, 15],
 [0, 0, 3, 4, 6, 7, 9, 10, 12, 13, 15],
 [0, 0, 3, 4, 6, 7, 9, 10, 12, 13, 15],
 [0, 0, 3, 4, 6, 7, 9, 10, 12, 13, 15]]

def completePack(w,v,maxCap):
    dp = [0]*(maxCap+1)
    for i in range(1,len(v)+1):
        for j in range(1,maxCap+1):
            if j >= w[i-1]:
                dp[j] = max(dp[j], dp[j-w[i-1]] + v[i-1])
    return dp

def allComplete(dp,w,v,maxCap):
    for i in range(1,len(v)+1):
        completePack(dp,w[i-1],v[i-1],maxCap)

def completePack(dp,w,v,maxCap):
    for j in range(1,maxCap+1):
        if j >= w:
            dp[j] = max(dp[j], dp[j- w] + v)

w = [2,3,4,5]
v = [3,4,5,6]
maxCap = 8
dp = [0]*(maxCap+1)
allComplete(dp, w,v,maxCap)

dp

[0, 0, 3, 4, 6, 7, 9, 10, 12]

3.多重背包问题

提出问题:
有N种物品和一个容量为V的背包。第i种物品最多有 $M_{i}$ 件可用，每件耗费的空间是 $C_{i}$ ,价值是 $W_{i}$ 。求解怎么放物品使得背包装的物品价值最大.

基本算法：
对于第i种物品有 $M_{i}+1$ 种策略：取0件、取1件、…、取 $M_{i}+1$ 件。 $F [i, v]$ 表示前i种物品放入一个容量为v的背包的最大价值。
$C_{i}] + k * W_{i}\, |\, 0 \leq k \leq M_{i} )$

def mutiplePack(dp, w , v , m, maxCap):
    for i in range(1,len(w)+1):
        for j in range(1,maxCap+1):
            if j < w[i-1]:
                dp[i][j] = dp[i-1][j]
            else:
                maxnum = 0
                for k in range(m[i-1]+1):
                    if k * w[i-1] <= j:
                        maxnum = max(maxnum, dp[i-1][j-k*w[i-1]] + k*v[i-1])
                dp[i][j] = maxnum

w = [2,3,4,5]
v = [3,4,5,6]
m = [3,3,2,2]
maxCap = 8
dp  = [[0]*(maxCap+1) for _ in range(len(w)+1)]
mutiplePack(dp,w,v,m,maxCap)

dp

[[0, 0, 0, 0, 0, 0, 0, 0, 0],
 [0, 0, 3, 3, 6, 6, 9, 9, 9],
 [0, 0, 3, 4, 6, 7, 9, 10, 11],
 [0, 0, 3, 4, 6, 7, 9, 10, 11],
 [0, 0, 3, 4, 6, 7, 9, 10, 11]]

转换为01背包问题

def zeroOnePack(dp,w,v,maxCap):
    for j in range(maxCap,0,-1):
        if j >= w:
            dp[j] = max(dp[j],dp[j-w]+v)

def allZeroOne(dp,w,v,maxCap):
    for i in range(len(w)+1):
        zeroOnePack(dp,w[i-1],v[i-1],maxCap)

w = [2,3,4,5]
v = [3,4,5,6]
maxCap = 8
dp = [0]*(maxCap+1)
allZeroOne(dp,w,v,maxCap)

dp

[0, 0, 3, 4, 5, 7, 8, 9, 10]

def allMutiplePack(dp,w,v,m,maxCap):
    for i in range(len(w)+1):
        multiplePack(dp,w[i-1],v[i-1],m[i-1], maxCap)

def multiplePack(dp, w, v, m, maxCap):
    if w * m >= maxCap:
        completePack(dp,w,v, maxCap)
    k = 1
    while k < m:
        zeroOnePack(dp,k*w,k*v, maxCap)
        m = m - k
        k = 2*k
    zeroOnePack(dp, w * m, v * m ,maxCap)

w = [2,3,4,5]
v = [3,4,5,6]
m = [2,2,3,3]
maxCap = 8
dp  = [0]*(maxCap+1)
allMutiplePack(dp,w,v,m,maxCap)

dp

[0, 0, 3, 4, 6, 7, 8, 10, 11]

Sr's man

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
完全背包与多重背包

完全背包问题提出问题：现在有NNN个物品，和一个容量为VVV的背包,每一种物品都有无限件可以使用。第iii种物品的费用是CiC_{i}Ci,价值是WiW_{i}Wi.求解将那些物品装入背包，在总重量不超过背包容量的情况下，使得背包内的物品价值最大。求解问题：对于每一个物品，我们有无限件，对于每一个物品，问题已经不是取或者是不取，而是选取0件、取1件、取2件直到取⌊V/Ci⌋\left\...
复制链接

扫一扫

专栏目录