背包问题大总结-背包九讲

最新推荐文章于 2023-11-13 17:15:00 发布
最新推荐文章于 2023-11-13 17:15:00 发布
阅读量313 收藏
点赞数 1
文章标签： 算法 面试 java 动态规划
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39025702/article/details/113111004
版权

背包问题大总结

/*
0-1背包问题
其中w代表i个物品的重量，v代表其价值
其中n个物品
其中m是背包的容量
result: max(f[n][0-m])

有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。

第 i 件物品的体积是 wi，价值是 vi。

求解将哪些物品装入背包，可使这些物品的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
第一行两个整数，N，V，用空格隔开，分别表示物品数量和背包容积。

接下来有 N 行，每行两个整数 wi,vi，用空格隔开，分别表示第 i 件物品的体积和价值。

输出格式
输出一个整数，表示最大价值。

数据范围
0<N,V≤1000
0<vi,wi≤1000
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例：
8
*/
//标准版
#include<iostream>
#include<cstring>
#include<algorithm>
using namespace std;
const int N=1010;
int n,m;
int f[N][N];
int v[N],w[N];

int main()
{
	cin>>n>>m;
	for(int i=1;i<=n;i++) cin>>w[i]>>v[i];

	for(int i=1;i<=n;i++)
		for(int j=0;j<=m;j++)
		{
			//没有选择当前i物品
			f[i][j]=f[i-1][j];
			//选择当前的物品
			if(j>=w[i])
				f[i][j]=max(f[i][j],f[i-1][j-w[i]]+v[i]);
		}
	int res=0;
	for(int i=0;i<=m;i++) res=max(res,f[n][i]);
	cout<<res<<endl;
	return 0;
}

//优化版
/*
在转换状态中由于只利用j的，所以可以用一位数组可以实现
 */
#include<iostream>
#include<cstring>
#include<algorithm>
using namespace std;
const int N=1010;
int n,m;
int f[N];
int v[N],w[N];

int main()
{
	cin>>n>>m;
	for(int i=1;i<=n;i++) cin>>w[i]>>v[i]>>s[i];

	for(int i=1;i<=n;i++)
		for(int j=m;j>=w[i];j--)
		{
			f[j]=max(f[j],f[j-w[i]]+v[i]);
		}
	int res=0;
	res=f[m];
	cout<<res<<endl;
	return 0;
}


/*
完全背包问题
问题：相比较于01背包，完全背包对于每个物品的取得次数不限


有 N 种物品和一个容量是 V 的背包，每种物品都有无限件可用。

第 i 种物品的体积是 wi，价值是 vi。

求解将哪些物品装入背包，可使这些物品的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
第一行两个整数，N，V，用空格隔开，分别表示物品种数和背包容积。

接下来有 N 行，每行两个整数 wi,vi，用空格隔开，分别表示第 i 种物品的体积和价值。

输出格式
输出一个整数，表示最大价值。

数据范围
0<N,V≤1000
0<vi,wi≤1000
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例：
10
 */
#include<iostream>
#include<cstring>
#include<algorithm>
using namespace std;
const int N=1010;
int n,m;
int f[N];
int v[N],w[N];

int main()
{
	cin>>n>>m;
	for(int i=1;i<=n;i++) cin>>w[i]>>v[i];

	for(int i=1;i<=n;i++)
		//对于完全背包问题与01背包问题在这方面，01从大到小，限制了它的次数，所以为一个，而对于完全背包其物品的次数不受限制，所以当从小到的过程中可以使用多次。
		for(int j=w[i];j<=m;j++)
		{
			f[j]=max(f[j],f[j-w[i]]+v[i]);
		}
	int res=0;
	res=f[m];
	cout<<res<<endl;
	return 0;
}


/*
多重背包的问题

问题：对于每个物品的次数有限制

有 N 种物品和一个容量是 V 的背包。

第 i 种物品最多有 si 件，每件体积是 wi，价值是 vi。

求解将哪些物品装入背包，可使物品体积总和不超过背包容量，且价值总和最大。
输出最大价值。

输入格式
第一行两个整数，N，V，用空格隔开，分别表示物品种数和背包容积。

接下来有 N 行，每行三个整数 wi,vi,si，用空格隔开，分别表示第 i 种物品的体积、价值和数量。

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<vi,wi,si≤100
输入样例
4 5
1 2 3
2 4 1
3 4 3
4 5 2
输出样例：
10
 */
#include<iostream>
#include<cstring>
#include<algorithm>
using namespace std;
const int N=1010;
int n,m;
int f[N];
int v[N],w[N],s[N];
int main(){
	cin>>n>>m;
	for(int i=1;i<=n;i++) cin>>w[i]>>v[i]>>s[i];
	
	for(int i=1;i<=n;i++)
		for(int j=m;j>=0;j--)
			//由于多重背包对于物品的次数是有限次的，所以判断它背包是否容纳物品，因考虑物品数乘以它的体积
			for(int k=1;k<=s[i]&&k*w[i]<=j;k++)
				f[j]=max(f[j],f[j-k*w[i]]+k*v[i]);
	cout<<f[m]<<endl;
	return 0;
}

/*
混合背包
有01背包
完全背包
多重背包
的混合体



有 N 种物品和一个容量是 V 的背包。

物品一共有三类：

第一类物品只能用1次（01背包）；
第二类物品可以用无限次（完全背包）；
第三类物品最多只能用 si 次（多重背包）；
每种体积是 wi，价值是 vi。

求解将哪些物品装入背包，可使物品体积总和不超过背包容量，且价值总和最大。
输出最大价值。

输入格式
第一行两个整数，N，V，用空格隔开，分别表示物品种数和背包容积。

接下来有 N 行，每行三个整数 wi,vi,si，用空格隔开，分别表示第 i 种物品的体积、价值和数量。

si=−1 表示第 i 种物品只能用1次；
si=0 表示第 i 种物品可以用无限次；
si>0 表示第 i 种物品可以使用 si 次；
输出格式
输出一个整数，表示最大价值。

数据范围
0<N,V≤1000
0<vi,wi≤1000
−1≤si≤1000
输入格式如下：
4 5
1 2 -1
2 4 1
3 4 0
4 6 2
其中第一行分别为物品个数n，背包容量m
以下为物品的编号，物品的价值，背包的类型其中-1为01背包，0是无限次是完全背包，其他数字为物品使用的数目为多重背包问题
 */
#include<iostream>
#include<cstring>
#include<algorithm>
using namespace std;
const int N=1010;
int n,m;
int f[N];
struct Thing
{
	int kind;
	int v,w;
};
vector<Thing> things;
int v[N],w[N],s[N];
int main()
{
	cin>>n>>m;
	for(int i=1;i<=n;i++) cin>>w[i]>>v[i]>>s[i];
	for(int i=1;i<=n;i++)
	{	
		//01背包问题
		if(s[i]<0) things.push_back({-1,w[i],v[i]});
		//完全背包问题
		else if(s[i]==0) things.push_back({0,w[i],v[i]});
		//多重背包问题
		//利用优化后的多重背包问题，利用二进制转换存储物品,成为01背包问题
		else{
			for(int k=1;k<=s[i];k*=2)
			{
				s-=k;
				things.push_back({-1,k*w[i],k*v[i]});
			}
			if(s>0) things.push_back({-1,s[i]*w[i],s[i]*v[i]});
		} 
	} 
	for(auto thing:things)
	{
		//01背包问题
		if(thing.kind<0)
		{
			for(int j=m;j>=thing.v;j--)	f[j]=max(f[j],f[j-thing.v]+thing.w);
		}else{
			for(int j=thing.v;j<=m;j++)	f[j]=max(f[j],f[j-thing.v]+thing.w); 
		}
	}
	cout<<f[m]<<endl;
}

/*
二维费用背包问题


有 N 件物品和一个容量是 V 的背包，背包能承受的最大重量是 M。

每件物品只能用一次。体积是 vi，重量是 mi，价值是 wi。

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，总重量不超过背包可承受的最大重量，且价值总和最大。
输出最大价值。
输入格式
第一行两个整数，N，V,M，用空格隔开，分别表示物品件数、背包容积和背包可承受的最大重量。

接下来有 N 行，每行三个整数 vi,mi,wi，用空格隔开，分别表示第 i 件物品的体积、重量和价值。

输出格式
输出一个整数，表示最大价值。

数据范围
0<N≤1000
0<V,M≤100
0<vi,mi≤100
0<wi≤1000
输入样例
4 5 6
1 2 3
2 4 4
3 4 5
4 5 6
输出样例：
8
01背包问题
f[i][j]
 */
#include<iostream>
#include<algorithm>
using namespace std;
int n,v,m;
const int N=1010;
int f[N][N];
int main(){
	cin>>n>>v>>m;
	for(int i=1;i<=n;i++){
		int a,b,c;
		cin>>a>>b>>c;
		for(int j=v;j>=a;j--)
			for(int k=m;k>=b;k--)
				f[j][k]=max(f[j][k],f[j-a][k-b]+c);
	}
	cout<<f[v][m]<<endl;
	return 0;
}

/*
分组背包问题



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
 */

#include<iostream>
using namespace std;
#include<cstring>
const int N=1010;
int n,m;
int f[N],v[N],w[N];
int main()
{
	cin>>n>>m;
	for(int i=1;i<=n;i++)
	{
	    int s;
		cin>>s;
		for(int j=0;j<s;j++) cin>>w[j]>>v[j];
		for(int j=m;j>=0;j--)
		{
			for(int k=0;k<s;k++)
				if(j>=w[k])
					f[j]=max(f[j],f[j-w[k]]+v[k]);
		}
	}
	cout<<f[m]<<endl;
	return 0;
}

/*
背包问题的方案数
恰好为体积V的 
 */


/*
方法一
 */
#include<iostream>
#include<cstring>
#include<algorithm>
using namespace std;
const int N=1010,mod=1000000007,INF=1000000;
int n,m;
int f[N],g[N];
int main()
{
	cin>>n>>m;
	g[0]=1;
	for(int i=1;i<=m;i++) f[i]=-INF;
	for(int i=0;i<n;i++)
	{
		int v,w;
		cin>>v>>w;
		for(int j=m;j>=v;j--){
			int t=max(f[j],f[j-v]+w);
			int s=0;
			if(t==f[j]) s+=g[j];
			if(t==f[j-v]+w) s+=g[j-v];
			if(s>=mod) s-=mod;
			f[j]=t;
			g[j]=s;
		}
	}
	int maxw=0;
	for(int i=0;i<=m;i++) maxw=max(maxw,f[i]);
	int res=0;
	for(int i=0;i<=m;i++){
		if(maxw==f[i])
		{
			res+=g[i];
			if(res>=mod) res-=mod;
		}
	}
	cout<<res<<endl;
}


/*
方法二
 */
#include<iostream>
#include<cstring>
using namespace std;
#include<algorithm>
const int N=1010,mod=1000000007;
int n,m;
int f[N],g[N];
int v[N],w[N];
int main()
{
	cin>>n>>m;
	for(int i=1;i<=n;i++) cin>>w[i]>>v[i];
	for(int i=0;i<=m;i++) g[i]=1;

	for(int i=1;i<=n;i++)
	{
		for(int j=m;j>=w[i];j--)
		{
			int left=f[j],right=f[j-w[i]]+v[i];
			f[j]=max(left,right);
			if(left>right) g[j]=g[j];
			else if(left<right) g[j]=g[j-w[i]];
			else g[j]=g[j]+g[j-w[i]];
			g[j]%=mod;
		}
	}
	cout<<g[m]<<endl;
	return 0;
}


/*
输出具体的的方案


有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。

第 i 件物品的体积是 vi，价值是 wi。

求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。

输出 字典序最小的方案。这里的字典序是指：所选物品的编号所构成的序列。物品的编号范围是 1…N。

输入格式
第一行两个整数，N，V，用空格隔开，分别表示物品数量和背包容积。

接下来有 N 行，每行两个整数 vi,wi，用空格隔开，分别表示第 i 件物品的体积和价值。

输出格式
输出一行，包含若干个用空格隔开的整数，表示最优解中所选物品的编号序列，且该编号序列的字典序最小。

物品编号范围是 1…N。

数据范围
0<N,V≤1000
0<vi,wi≤1000
输入样例
4 5
1 2
2 4
3 4
4 6
输出样例：
1 4
 */

#include<iostream>
using namespace std;
#include<algorithm>
const int N=1010;
int n,m;
int f[N][N],v[N],w[N];
int main(){
	cin>>n>>m;
	for(int i=1;i<=n;i++) cin>>w[i]>>v[i];
	
	for(int i=n;i>=1;i--){
		for(int j=0;j<=m;j++)
		{
			f[i][j]=f[i+1][j];
			if(j>=w[i]) f[i][j]=max(f[i][j],f[i+1][j-w[i]]+v[i]);
		}
	}
	int val=m;
	for(int i=1;i<=n;i++)
	{
		if(f[i][val]==f[i+1][val-w[i]]+v[i]&&w[i]<=val)
		{
			cout<<i<<' ';
			val-=w[i];
		}
	}

	return 0;
}
GJWLION
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
背包问题大总结
weixin_46269257的博客
06-10 122
几种常见背包之间的关系。 背包五部曲 确定dp数组（dp table）以及下标的含义 确定递推公式 dp数组如何初始化 确定遍历顺序 举例推导dp数组 背包递推公式 问能否能装满背包（或者最多装多少）：dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]); ，对应题目如下： 动态规划：416.分割等和子集 动态规划：1049.最后一块石头的重量 II 问装满背包有几种方法：dp[j] += dp[j - nums[i]] ，对应题目如下： 动态规划：494.
背包问题总结
chenxy132的博客
06-06 481
在笔试的时候碰到了这个背包问题，是第一次做，因此在这里把相关的问题都总结在这里。 参考大神的代码，链接如下：https://blog.csdn.net/lanyu_01/article/details/79815801 https://blog.csdn.net/na_beginning/articl...
动态规划-背包问题
qq_64637770的博客
10-24 951
0-1背包问题及其变形优化
【算法】经典背包问题
指针不指南吗的博客
05-16 2342
acwing 背包问题——学习笔记：01背包、完全背包、多重背包、分组背包
【动态规划】背包问题（详细总结，很全）
热门推荐
m0_51370744的博客
10-07 2万+
暴力的解法是指数级别的时间复杂度。进而才需要动态规划的解法来进行优化！背包问题是动态规划（Dynamic Planning） 里的非常重要的一部分,关于几种常见的背包，其关系如下：在解决背包问题的时候，我们通常都是按照如下五部来逐步分析，把这五部都搞透了，算是对动规来理解深入了。二维dp数组01背包，先遍历物品还是先遍历背包都是可以的，且第二层for循环是从小到大遍历一维dp数组01背包，只能先遍历物品再遍历背包容量，且第二层for循环是从大到小遍历。求组合数：外层遍历物品，内层遍历背包。
背包九讲-2.0
09-16
总结来说，《背包九讲-2.0》旨在通过深入浅出的讲解和丰富的实例，使读者掌握动态规划解决背包问题的核心技巧，不仅限于理论，更注重实践能力的培养。通过学习，读者将能灵活运用动态规划解决实际问题，提升编程能力...
背包问题九讲html版本
最新发布
03-25
"背包问题九讲"的HTML版是一份深入学习背包问题的教程，涵盖了背包问题的多种类型及其解冑方法，特别是动态规划的应用。通过学习这个教程，读者可以理解并掌握如何解决这类优化问题，为实际生活和工作中遇到的类似...
背包问题九讲
05-15
总结，《背包问题九讲》涵盖了背包问题的基本理论、解法及实际应用，是学习和研究这一主题的重要参考资料。通过深入学习，我们可以掌握处理资源优化问题的高效工具，并将这些知识应用于实际生活和工作中。
经典的背包问题九讲，必看
10-06
背包九讲，经典的背包问题讲解，不用做过多介绍，必看
背包问题解决方法总结
05-17
题目 有N件物品和一个容量为V的背包。第i件物品的重量是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。 基本思路有好几种方法，请参考资源文件
01背包问题总结和概括
12-27
个人总体把它概括和分析~~希望对01背包问题的人得到些了解
算法实验2-背包问题（更新1.1）
12-11
实现0-1背包的动态规划算法求解 实现部分背包的贪心算法求解
背包九讲完整版.pdf
10-27
"背包九讲完整版.pdf" 本资源为一份关于动态规划的详细指南，涵盖了背包问题的九个方面，包括基本的背包问题、完全背包问题、多重背包问题、混合三种背包问题、二维费用的背包问题、分组的背包问题、有依赖的背包...
【动态规划算法】背包问题——0/1背包问题，多目标优化背包问题详解与示例
qq_35831906的博客
11-13 9898
背包问题是动态规划中的一个经典问题，通常有两种主要变种：0/1 背包问题和背包问题（Fractional Knapsack Problem）。这里我们先详细解释0/1背包问题再介绍背包问题的变种。
十大算法之动态规划（背包问题）
qq_44300280的博客
05-19 208
动态规划（背包问题）

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值