01背包
- 思想:
- 例题:
#include<iostream>
#include<algorithm>
using namespace std;
f[i][j] = max(f[i][j], f[i - 1][j - V[i]] + W[i]
//01背包:
const int N = 1010;
int n, m;
int V[N], W[N];
int f[N][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 = 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]);
}
}
cout << f[n][m] << endl;
return 0;
}
//空间优化版本:
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 = m; j >=V[i] ; j--)//注意这里j逆序计算
{
f[j] = max(f[j], f[j - V[i]] + W[i]);
//不逆序上式:f[i][j] = max(f[i][j], f[i][j - V[i]] + W[i]);
//逆序:f[i][j] = max(f[i][j], f[i-1][j - V[i]] + W[i]);
}
}
cout << f[m] << endl;
return 0;
}
完全背包
- 思想:
- 例题
const int N = 1010;
int f[N][N];
int v[N], w[N];
int main()
{
int n, m;
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 = 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]);
}
cout << f[n][m] << endl;
}
更新次序的内部关系:
f[i,j] = max(f[i-1,j] , f[i-1,j-v]+w , f[i-1,j-2*v]+2*w , f[i-1,j-3*v]+3*w , .....)
f[i,j-v]= max( f[i-1,j-v] , f[i-1,j-2*v] + w , f[i-1,j-3*v]+2*w , .....)
由上两式,可得出如下递推关系:
f[i][j]=max(f[i,j-v]+w , f[i-1][j])
故代码可优化:
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]>=0)
f[i][j]=max(f[i][j],f[i][j-v[i]]+w[i]);
}
//与01背包问题对比:
//f[i][j] = max(f[i][j], f[i - 1][j - V[i]] + W[i]
//发现很相似,可再次优化:
for(int i = 1 ; i<=n ;i++)
for(int j = v[i] ; j<=m ;j++)//注意了,这里的j是从小到大枚举,和01背包不一样
{
f[j] = max(f[j],f[j-v[i]]+w[i]);
//从小到大枚举的原因:状态转移方程与01背包不一样
}
多重背包
- 思想:
#include <algorithm>
#include <iostream>
using namespace std;
const int N = 1e2 + 10;
int n, m;
int dp[N][N], v[N], w[N], s[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++) {
dp[i][j] = max(dp[i][j], dp[i - 1][j - v[i] * k] + w[i] * k);
}
}
}
cout << dp[n][m] << endl;
return 0;
}
//上述代码时间复杂度太高,一旦容量物品变大,容易超时
//优化思路(二进制优化):,我们考虑把第 i 种物品换成若干件物品,使得原问题中第i 种物品可取的每种策略——取 0 . . . Mi 件——均能等价于取若干件代换以后的物品。另外,取超过 Mi 件的策略必不能出现。方法是:将第 i 种物品分成若干件 01 背包中的物品,其中每件物品有一个系数。
const int N = 1e2 + 10;
int n, m;
int dp[N], v[N], w[N];
int main()
{
cin>>n>>m;
int cnt=0;
for (int i = 1; i <= n; i++) {
int a,b,s;
cin>>a>>b>>s;
int k=1;
while(k<=s)
{
cnt++;
v[cnt]=a*k;
w[cnt]=b*k;
s-=k;
k*=2;
}
if(s>0)
{
cnt++;
v[cnt]=a*s;
w[cnt]=b*s;
}
}
n=cnt;
for (int i = 1; i <= n; i++) {
for (int j = m; j >= v[i]; j--) {
dp[j]=max(f[j],f[j-v[i]]+w[i]);
}
}
}
cout << dp[m] << endl;
return 0;
}
分组背包
- 思想:
- 例题
using namespace std;
const int N=110;
int f[N][N]; //只从前i组物品中选,当前体积小于等于j的最大值
int v[N][N],w[N][N],s[N]; //v为体积,w为价值,s代表第i组物品的个数
int n,m,k;
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]; //读入
}
}
for(int i=1;i<=n;i++){
for(int j=0;j<=m;j++){
f[i][j]=f[i-1][j]; //不选
for(int k=0;k<s[i];k++){
if(j>=v[i][k]) f[i][j]=max(f[i][j],f[i-1][j-v[i][k]]+w[i][k]);
}
}
}
cout<<f[n][m]<<endl;
}
//优化:二维数组变成一维
using namespace std;
const int N=110;
int f[N];
int v[N][N],w[N][N],s[N];
int n,m,k;
int main(){
cin>>n>>m;
for(int i=0;i<n;i++){
cin>>s[i];
for(int j=0;j<s[i];j++){
cin>>v[i][j]>>w[i][j];
}
}
for(int i=0;i<n;i++){
for(int j=m;j>=0;j--){
for(int k=s[i];k>=1;k--)//仿照01背包
f[j]=max(f[j],f[j-v[i][k]]+w[i][k]);
}
}
}
cout<<f[m]<<endl;
}