动态规划——背包问题

背包问题主要为0-1背包、完全背包、多重背包这三类。

1.0-1背包

有n件物品，每件物品的重量为w[i]，其价值为v[i]，现在有个有容量为m的背包，如何选择物品使得装入背包物品的价值最大。

先设置一个二维数组dp[ ][ ]，令dp[i][j]表示前i个物品装进容量为j的背包能获得的最大价值。则dp[n][m]的值就是0-1背包问题的解。

只考虑第i件物品时，可将情况分为是否放入第i件物品两种：

①对于容量为j的背包，如果不放入第i件物品，那么这个问题就转换成前i-1个物品放入容量为j的背包的问题，即dp[i][j]=dp[i-1][j]。

②对于容量为j的背包，如果放入第i件物品，那么当前背包的容量就变成了j-w[i]，并得到这个物品的价值v[i]。之后这个问题就转化成将前i-1个物品放入容量为j-w[i]的背包的问题，即dp[i][j]=dp[i-1][j-w[i]]+v[i]。（注意j-w[i]不能为负数）

而从这两种情况可以得到状态转移方程：

dp[i][j]=max(dp[i-1][j]，dp[i-1][j-w[i]]+v[i])

对于边界情况：

dp[i][0]=0 (0<=i<=n)

dp[0][j]=0 (0<=j<=m)

观察状态转移的特点，可以发现：

dp[i][j]的转移仅与本行的上一行有关，所以可以将原本的二维数组优化为一维数组：

dp[j]=max(dp[j]，dp[j-w[i]]+v[i])。为了保证状态正确转移，必须保证在每次更新中确定状态dp[j]时，dp[j-w[i]]尚未被本次更新修改。这就需要在每次更新中，倒序地遍历所有j的值，因为只有这样才能保证在确定dp[j]的值时，dp[j-w[i]]的值尚未被修改，从而完成正确的状态转移。

题目1：点菜问题

北大网络实验室经常有活动需要叫外卖，但是每次叫外卖的报销经费的总额最大为C元，有N种菜可以点，经过长时间的点菜，网络实验室对于每种菜i都有一个量化的评价分数（表示这个菜可口程度），为Vi，每种菜的价格为Pi, 问如何选择各种菜，使得在报销额度范围内能使点到的菜的总评价分数最大。     注意：由于需要营养多样化，每种菜只能点一次。

输入描述:

    输入的第一行有两个整数C（1 <= C <= 1000）和N（1 <= N <= 100），C代表总共能够报销的额度，N>代表能点菜的数目。接下来的N行每行包括两个在1到100之间（包括1和100）的的整数，分别表示菜的>价格和菜的评价分数。

输出描述:

    输出只包括一行，这一行只包含一个整数，表示在报销额度范围内，所点的菜得到的最大评价分数。

示例1

输入

90 4
20 25
30 20
40 50
10 18
40 2
25 30
10 8

输出

95
38

代码

/**
0-1背包问题：报销额度=背包容量，每种菜的价格=商品的重量，每种菜的评分=商品的价值。
***/
#include<iostream>
#include<cstdio>
using namespace std;
const int MAXN=1001;
int dp[MAXN];//令dp[j]表示物品装进容量为j的背包能获得的最大价值
int v[MAXN];//物品价值
int w[MAXN];//物品重量
int main()
{
    int m,n;//m：背包容量，n：物品数量
    while(cin>>m>>n){
    for(int i=0;i<n;i++)
        cin>>w[i]>>v[i];
    for(int i=0;i<=m;i++)
        dp[i]=0;//初始化
    for(int i=0;i<n;i++)
        for(int j=m;j>=w[i];j--)
            dp[j]=max(dp[j],dp[j-w[i]]+v[i]);
    cout<<dp[m]<<endl;
    }
    return 0;
}

题目2：最小邮票数

有若干张邮票，要求从中选取最少的邮票张数凑成一个给定的总值。     如，有1分，3分，3分，3分，4分五张邮票，要求凑成10分，则使用3张邮票：3分、3分、4分即可。

输入描述:

    有多组数据，对于每组数据，首先是要求凑成的邮票总值M，M<100。然后是一个数N，N〈20，表示有N张邮票。接下来是N个正整数，分别表示这N张邮票的面值，且以升序排列。

输出描述:

      对于每组数据，能够凑成总值M的最少邮票张数。若无解，输出0。

示例1

输入

10
5
1 3 3 3 4

输出

3

代码

/**
0-1背包问题：背包容量，每张邮票的面值=商品的重量，每张邮票的张树=商品的价值。

dp变化过程：
    dp[i][j]    10   9   8   7   6   5   4   3   2   1   0
    初始化       ∞    ∞   ∞   ∞   ∞   ∞   ∞   ∞   ∞   ∞   0
    1           ∞    ∞   ∞   ∞   ∞   ∞   ∞   ∞   ∞   1   0
    1 3         ∞    ∞   ∞   ∞   ∞   ∞   2   1   ∞   1   0
    1 3 3       ∞    ∞   ∞   3   2   ∞   2   1   ∞   1   0
    1 3 3 3     4    3   ∞   ∞   2   ∞   2   1   ∞   1   0
    1 3 3 3 4   3    3   3   2   2   2   2   1   ∞   1   0
***/
#include<iostream>
#include<cstdio>
using namespace std;
const int MAXN=101;
int dp[MAXN];
int v[MAXN];//物品价值
int w[MAXN];//物品重量
int main()
{
    int m,n;//m：背包容量，n：物品数量
    while(cin>>m>>n){
    for(int i=0;i<n;i++)
        cin>>w[i];
//物品恰好要将背包装满，只需改变dp[j]的初始值，将dp[0]初始化为0，dp[i](1<=i<=m)初始化为无穷大（不可达到）即可。
    for(int i=0;i<=m;i++)
        dp[i]=9999;//用9999代替∞
    dp[0]=0;
    for(int i=0;i<n;i++)
        for(int j=m;j>=w[i];j--)
                dp[j]=min(dp[j],dp[j-w[i]]+1);
    if(dp[m]==9999)
        cout<<0<<endl;
    else
        cout<<dp[m]<<endl;    
    }
    return 0;
}

 

2.完全背包

如果将0-1背包问题进行扩展，每种物品不知可以取一件，而是可以选择多件，这便得到完全背包问题。

同样，设置一个二维数组dp[ ][ ]，令dp[i][j]表示前i个物品装进容量为j的背包能获得的最大价值。则dp[n][m]的值就是完全背包问题的解。

同样，只考虑第i件物品时，可将情况分为是否放入第i件物品两种：

①对于容量为j的背包，如果不放入第i件物品，那么这个问题就转换成前i-1个物品放入容量为j的背包的问题，即dp[i][j]=dp[i-1][j]。

②对于容量为j的背包，如果放入第i件物品，那么当前背包的容量就变成了j-w[i]，并得到这个物品的价值v[i]。但由于第i件物品任然可取，所以并不是转移到dp[i-1][j-w[i]]，而是转移到dp[i][j-w[i]]，即dp[i][j]=dp[i][j-w[i]]+v[i]。

而从这两种情况可以得到状态转移方程：

dp[i][j]=max(dp[i-1][j]，dp[i][j-w[i]]+v[i])

对于边界情况：

dp[i][0]=0 (0<=i<=n)

dp[0][j]=0 (0<=j<=m)

观察状态转移的特点，可以发现：

dp[i][j]的转移仅与本行的上一行有关，所以可以将原本的二维数组优化为一维数组：

dp[j]=max(dp[j]，dp[j-w[i]]+v[i])。为了保证状态正确转移，必须保证在每次更新中确定状态dp[j]时，dp[j-w[i]]已经完成了（和0-1背包的不同）本次更新修改。这就需要在每次更新中，正序地遍历所有j的值，因为只有这样才能保证在确定dp[j]的值时，dp[j-w[i]]的值已经被修改，从而完成正确的状态转移。

题目：整数拆分

一个整数总可以拆分为2的幂的和，例如： 7=1+2+4 7=1+2+2+2 7=1+1+1+4 7=1+1+1+2+2 7=1+1+1+1+1+2 7=1+1+1+1+1+1+1 总共有六种不同的拆分方式。 再比如：4可以拆分成：4 = 4，4 = 1 + 1 + 1 + 1，4 = 2 + 2，4=1+1+2。 用f(n)表示n的不同拆分的种数，例如f(7)=6. 要求编写程序，读入n(不超过1000000)，输出f(n)%1000000000。

输入描述:

每组输入包括一个整数：N(1<=N<=1000000)。

输出描述:

对于每组数据，输出f(n)%1000000000。

示例1

输入

7

输出

6

代码

/**
其实就是一个完全背包求恰装满背包时的方案总数问题:
物品重量依次为2的幂1,2,4,2^3,...2^19(考虑n最大为10^6)，每种物品的个数无限，刚好放进容量为n的背包中，有几种放法。
**/
#include<iostream>
#include<cstdio>
using namespace std;
int dp[1000001]={0};
int w[21];
int main()
{
    int n;
    for(int i=1;i<=20;i++)
        w[i]=(1<<(i-1));
    dp[0]=1;
	while(cin>>n)
    {
	    
        for(int i=1;i<=20;i++)
        {
            for(int j=w[i];j<=n;j++)
            {
                dp[j]=dp[j]+dp[j-w[i]];
                dp[j]%=1000000000;
            }
        }
	    cout<<dp[n]<<endl;
	}
	return 0;
}

 

3.多重背包

如果在0-1背包和完全背包问题之间折中，即每种物品最多只能取k件，这就是多重背包问题。

可以将多重背包问题直接转化为0-1背包问题，即每种物品均被视为k种重量和价值都相同的不同物品，对所有的物品求0-1背包。

还可以采用一种更有技巧性的拆分：将原数量为k的物品拆分为若干组，将每组物品视为一件物品，其价值和重量为该组中所有物品的价值重量总和。每组物品包含的原物品个数分别为2^0，2^1，...，2^(c-1)，k-(2^c)+1，其中c是使得k-(2^c)+1>=0的最大整数。这种类似于二进制的拆分，不仅可以使得物品数量大大减少，同时也保证拆分后物品间的组合可以组合出任意数量的物品，如此便转换成了0-1背包问题，之后对所有这些新物品做0-1背包，即可得到多重背包的解。

题目：珍惜现在，感恩生活

代码

#include<iostream>
#include<cstdio>
using namespace std;
const int MAXN=10000;
int dp[MAXN];
int v[MAXN];//物品价值
int w[MAXN];//物品质量
int k[MAXN];//物品数目
int value[MAXN];//分解后物品价值
int weight[MAXN];//分解后物品质量
int main()
{
    int caseNumber;
    cin>>caseNumber;
    while(caseNumber--)
    {
        int n,m;
        cin>>m>>n;//n件物品，m容量的背包
        int number=0;//分解后物品的数量
        for(int i=0;i<n;i++)
        {
            cin>>w[i]>>v[i]>>k[i];
            for(int j=1;j<=k[i];j<<=1){
                value[number]=j*v[i];
                weight[number]=j*w[i];
                number++;
                k[i]-=j;
            }
            if(k[i]>0)
            {
                value[number]=k[i]*v[i];
                weight[number]=k[i]*w[i];
                number++;
            }
        }
        //解下来用0-1背包求解
        for(int i=0;i<=m;i++)
            dp[i]=0;
        for(int i=0;i<number;i++)
            for(int j=m;j>=weight[i];j--)
                dp[j]=max(dp[j],dp[j-weight[i]]+value[i]);
        cout<<dp[m]<<endl;
    }
    return 0;
}