动态规划之背包模型及其扩展应用

最新推荐文章于 2024-04-09 21:57:20 发布
最新推荐文章于 2024-04-09 21:57:20 发布
阅读量756 收藏 1
点赞数
分类专栏： ACWing # 动态规划 文章标签： 动态规划 算法 背包问题
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_39838607/article/details/123028835
版权

背包模型

前言

对于原始背包问题及其优化可以参见这篇博客
背包问题

背包问题的初始化问题

一般问题有以下三种情况
在这里插入图片描述
对应的初始化方法
在这里插入图片描述

  1. 对于体积最多是j， f [ 0 ] [ j ] f[0][j] f[0][j]表示一个物品都不选体积最多是j的情况，这个是存在的，所以置为0 ，对于循环中我们是最多是j，如果 v < 0 ,说明 v1 > j ，这是不存在的。
  2. 对于体积恰好是j， f [ 0 ] [ j ] f[0][j] f[0][j]表示一个物品都不选体积最多是j的情况，只有 f [ 0 ] [ 0 ] f[0][0] f[0][0]是存在的，其余的都是这个是不存在的，因此设置为一个不合法的数，至于是正无穷还是负无穷，取决于题目是求最大还是最小；对于循环边界理由和上面一样
  3. 对于初始化条件与第2个一样 ；对于循环条件，我们·是至少是j因此当v<0的时候是存在的，而它们的值是 v = 0 时候的值。

01背包

装箱问题

题目转送门

个人解题思路：

这题是让我们尽可能的让背包的剩余空间小，也就是放入的物品的体积要尽可能的大，因为物品只给了体积没有价值，那么我们就可能将每一个物品的价值等同于它的体积，那么这就转变为了01背包问题。那么这个 d p [ i ] dp[i] dp[i]表示总体积不超过背包容量下的最大体积，也就说剩余体积最小。

代码：

#include<iostream>
#include<algorithm>
using namespace std;
const int N = 35 , M = 20010;
int n , m ;
int w[N] , v[N] ,f[M];

int main(){
    cin>>m>>n;
    for(int i = 1 ; i <= n ; ++i)cin>>w[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]] + w[i]);
    cout<<m - f[m]<<endl;
    return 0;
}

宠物小精灵之收服

题目转送门

解题思路：

这题由单一花费变成了二维花费，我们的花费有精灵球的数量和体力，因此我们定义的是二维dp； d p [ i ] [ j ] [ k ] dp[i][j][k] dp[i][j][k]表示考虑前i个精灵，精灵球数量不超过j，体力不超过k的最大的精灵球数量。由背包问题我们可以将第一维的空间省略掉，采用逆序的遍历方式。对于二维我们还是有
在这里插入图片描述

对于剩余的体力，我们在 f [ N ] [ 1 − M ] f[N][1-M] f[N][1−M]中选出等于 f [ N ] [ M ] f[N][M] f[N][M]的最小的体力，这是花费的最小体力。同时因为体力不能会0，我们再减1.

代码：

#include<iostream>
#include<algorithm>
#include<cstring>
using namespace std;
const int N = 110 , M = 1010;
int n , m , K;
int w[N] , v[N] ,f[M][M] ;

int main(){
    cin>>m>>K>>n;
    for(int i = 1;  i <= n ; ++i)cin>>w[i]>>v[i];
    for(int i = 1 ; i <= n ; ++i)
        for(int j = m ; j >= w[i]; --j)
            for(int k = K  ; k > v[i]  ; --k )
                        f[j][k] = max(f[j][k] ,f[j-w[i]][k-v[i]] + 1);
    cout<<f[m][K]<<' ';
    int cnt = 0;
    for(int k = 1 ; k <= K  ; ++k)
        if(f[m][k] == f[m][K]){
            cnt = k - 1;
            break;
        }
    cout<<K - cnt <<endl;
    return 0;
}

数字组合

题目转送门

解题思路;

这是一个典型的0/1背包模型，N个正整数就是N个物品，M就是背包的容积。在外层循环到i时(表示从前i个数中选)，设F[j]表示“和为j”有多少种方案。在具体实现中，只需要把原始代码中求max的函数改为求和即可。
代码：

#include<iostream>
#include<algorithm>
using namespace std;
const int N = 110 , M = 10010;
int n , m ;
int w[N] , f[M];

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

开心的金明

题目转送门

解题思路:

这题我们可以将每一个物品的钱看成是体积，而物品的价值则是金额*重要程度。这样我们就转化成了01背包问题了、

代码;

#include<iostream>
#include<algorithm>
using namespace std;
const int N = 50010;
int n , m;
int f[N];

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

01背包+贪心

题目转送门

解题思路：
在这里插入图片描述
代码：

#include<iostream>
#include<algorithm>
#include<cstring>
using namespace std;
const int N = 10010;
int n , m ;
int f[N];
struct Stone{
    int s , e ,l;
    bool operator < (const Stone & w)const {
        return s * w.l < w.s * l;
    }
}stone[N];

int main(){
    int T;
    cin>>T;
    for(int C = 1 ; C <= T ; ++C){
        m = 0;
        cin>>n;
        for(int i = 0 ; i < n ; ++i){
            int s ,e ,l;
            cin >>s>>e>>l;
            stone[i] = {s ,e,l};
            m += s;
        }
        sort(stone , stone + n);
        memset(f , -0x3f , sizeof f);
        f[0] = 0;
        for(int i = 0 ; i < n ; ++i){
            int s = stone[i].s , e = stone[i].e , l = stone[i].l;
            for(int j = m ; j >= s ; --j)
                f[j] = max(f[j] , f[j-s] + e - (j - s)*l);
        }
        int res = 0;
        for(int i = 0 ; i <= m ; ++i)res = max(res , f[i]);
        cout<<"Case #"<<C<<": "<<res<<endl;
    }
    
    return 0;
}

背包问题求解方案数

货币系统

题目转送门

解题思路·:

这题和上面的数字组合不同的地方在于数字组合是每一个数字只能选一次，而在这里每一个货币可以选多次，因此这就是一个完全背包的模板题，在具体实现中，只需要把原始代码中求max的函数改为求和即可。

代码：

#include<iostream>
#include<algorithm>
using namespace std;
typedef long long LL;
const int N = 20 , M = 3010;
int n , m;
int w[N] ;
LL f[M];

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

货币系统Ⅱ

题目转送门

解题思路;

等价类有以下三种性质，
在这里插入图片描述
因此我们要考虑的是对于每一个a[i]查询其是否会被a中其他不含它的数组成，如果不可以我们就要选它，如果可以就不选。那么如何知道呢？那这就是一个和上一题一样的问题了，我们处理完后，对于每一个a[i]如果其 f [ a [ i ] ] ! = 1 f[a[i]]!=1 f[a[i]]!=1那么说明这个数不能由别的数组成

代码：

#include<iostream>
#include<algorithm>
#include<cstring>
using namespace std;
const int N = 110 , M = 25010;
int n , m ;
int f[M] , w[N];

int main(){
    int T;
    cin>>T;
    while(T--){
        cin>>n;
        memset(f , 0 , sizeof f);
        f[0] = 1;
        for(int i = 1 ;i <= n ; ++i){
            cin>>w[i];
            for(int j = w[i] ; j <= M ; ++j)
                f[j] += f[j-w[i]];
        }
        int cnt = 0;
        for(int i = 1; i <= n ;++i)
            if(f[w[i]] == 1)cnt++;
            
        cout<<cnt<<endl;
    }
    
    return 0;
}

多重背包问题

庆功会

题目转送门

解题思路：

我们把拨款金额看成背包容积，价格看成物品体积，价值看成物品价值，那么这个题目就是一个多重背包的裸题。对于这个数据范围我们可以使用二进制优化的多重背包来求解。

多重背包详细解释

代码：

#include<iostream>
#include<algorithm>
#include<vector>
using namespace std;
const int N = 510 , M = 6010;
int n , m;
int f[M];
struct Good{
    int w , v;
};
vector<Good>goods;

int main()
{
    cin>>n>>m;
    for(int i = 1; i <=  n ; ++i)
    {
        int w ,v , s;
        cin>>w>>v>>s;
        for(int k = 1 ; k <= s; k *= 2){
            s -= k;
            goods.push_back({k*w,k*v});
        }
        if(s > 0)goods.push_back({s*w,s*v});
    }
    
    for(auto good : goods)
        for(int j = m ; j >= good.w ; --j)
            f[j] = max(f[j] ,f[j-good.w] + good.v);
    cout<<f[m]<<endl;
    return 0;
}

混合背包问题

题目转送门

解题思路：

我们回顾背包问题的表达式： d p [ i ] [ j ] dp[i][j] dp[i][j]表示对于前i个物品，总体积不超过j的最大价值。我们发现它对于物品的类型是没有限定的。不同类型的物品，我们只是在状态计算的时候是不一样的。同时对于第i个物品我们当前只会考虑第i个物品而不用考虑前i-1个物品的情况。因此这题我们对于第i个物品，按照其类型来进行对应的状态计算。

在这里插入图片描述

代码：

#include<iostream>
#include<algorithm>
using namespace std;
const int N = 1010;
int n , m;
int f[N];

int main(){
    cin>>n>>m;
    for(int i = 1 ; i <= n ; ++i)
    {
        int v , w ,s;
        cin>>w>>v>>s;
        if(s == 0)// 完全背包
        {
            for(int j = w ; j <= m  ; ++j)f[j] = max(f[j] ,f[j-w] + v);
        }else{
            if(s == -1)s = 1;
            for(int k = 1 ; k <= s ; k *= 2){
                s -= k;
                for(int j = m ; j >= k * w ; --j)f[j] = max(f[j] , f[j-k*w] + k*v);
            }
            if(s)
                for(int j = m ; j >= s*w ; --j)f[j] = max(f[j] , f[j-s*w] + s*v);
        }
    }
    cout<<f[m]<<endl;
    return 0;
}

二维费用的背包问题

二维费用的背包问题

题目转送门

解题分析：
在这里插入图片描述

代码：

#include<iostream>
#include<algorithm>
#include<cstring>
using namespace std;
const int N = 1010 ;
int n,m,V;
int f[N][N];

int main(){
    cin>>n>>m>>V;
    for(int i = 1 ; i <= n ; ++i){
        int w1 , w2 ,v;
        cin>>w1>>w2>>v;
        for(int j = m ; j >= w1 ; --j)
            for(int k = V ; k >= w2 ; k--)
                f[j][k] = max(f[j][k] ,f[j-w1][k-w2] + v);
    }
    cout<<f[m][V]<<endl;
    return 0;
}

潜水员

题目转送门

解题思路：
在这里插入图片描述

代码：

#include<iostream>
#include<algorithm>
#include<cstring>
using namespace std;
const int N = 100;
int n,m , k;
int f[N][N];

int main(){
    cin>>n>>m>>k;
    memset(f , 0x3f , sizeof f);
    f[0][0] = 0;
    for(int i = 1 ; i <= k ; ++i){
        int w1 ,w2 ,c;
        cin>>w1>>w2>>c;
        for(int j = n ; j >= 0 ; --j)
            for(int k = m ; k >= 0 ; --k)
                    f[j][k] = min(f[j][k] ,f[max(0,j-w1)][max(0,k-w2)] + c);
    }
    cout<<f[n][m]<<endl;
    return 0;
}

分组背包问题

分组背包

对于分组背包，每一组的物品可以选与不选，如果选，一组物品中只能选一个。那么到这里我们可以知道在每一组内部的选法类似于01背包，那么我们有如下分析

在这里插入图片描述

在这里插入图片描述

for(int i=1;i<=n;i++)
	 for(int j=0;j<=m;j++)
	  for(int k=1;k<=s[i];k++)//s[i]表示第i组物品的个数
	   if(j>=v[i][k])//剩余的背包容量j大于第i组的第k个物品的体积 
	   {
	   	  f[i][j] = max(f[i][j],f[i-1][j-v[i][k]]+w[i][k]);
	   }

机器分配（每一组只取一个）

机器分配

解题思路：
我们将问题抽象一下，将公司看成是一组物品，公司中的物品数量为m，每一个物品体积为j j ， 价值为g[i][j] 。对于方案我们逆序遍历每一组，对于每一组我们依据dp计算式子来找到对应的数量。

代码：

#include<iostream>
#include<algorithm>
#include<cstring>
using namespace std;
const int N = 155;
int n ,m;
int f[N][N] , g[N][N];
int ans[N];
int main(){
    cin>>n>>m;
    for(int i = 1 ; i <= n ; ++i)
        for(int j = 1; j <= m ; ++j)cin>>g[i][j];
    for(int i = 1 ; i <= n ; ++i) // 组数
        for(int j = 1; j <= m ; ++j) // 体积 
            for(int k = 0 ; k <= j ; ++k) // 决策 ， 可以从0开始表示一个都不选
                f[i][j] = max(f[i][j] ,f[i-1][j- k] + g[i][k]);

    cout<<f[n][m]<<endl;
    
    int   res = f[n][m] , s = m ; // s是当前剩余的总可以体积
    for(int i = n ; i >= 1 ; --i)
        for(int k = 0 ; k <= s ; ++k)
            if(res == f[i-1][s-k] + g[i][k]){
                ans[i] = k;
                s -= k; //体积减少
                res -= g[i][k]; // 价值减少
                break;
            }
    for(int i = 1 ; i <= n ;++i)cout<<i<<" "<<ans[i]<<endl;
    return 0;
}

金明的预算方案（每一组里能取多个）

题目转送门

解题思路：

对于每一组中选多个的情况我们可以用二进制来枚举每一种可能。同时本题的一个难点是如何分好组。我们可以利用vector来解决（详细看代码）

代码：

#include <cstring>
#include <iostream>
#include <algorithm>
#include <vector>

#define w first
#define v second

using namespace std;

typedef pair<int, int> PII;

const int N = 60, M = 32010;

int n, m;
PII master[N];
vector<PII> sv[N];
int f[M];

int main(){
    cin>>m>>n;
    
    for(int i = 1 ; i <= n ; ++i){
        int w , v ,q;
        cin>>w>>v>>q;
        if(!q)master[i] = {w , w*v};
        else  sv[q].push_back({w,w*v});
    }
    
    for(int i = 1 ; i <= n ; ++i){
        if(master[i].first)
            for(int j = m ; j >= 0  ; --j){
                int len = sv[i].size();
                for(int k = 0 ; k < 1 << len;++k){
                    int w = master[i].first , v = master[i].second;
                    for(int u =  0; u < len;++u)
                        if( k >> u & 1) w += sv[i][u].w , v += sv[i][u].v;
                    if(j >= w)f[j] = max(f[j] , f[j-w] + v);
                }
            }
    }
        cout<<f[m]<<endl;
    return 0;
}

背包求解最优方案数

题目转送门

之前我们求的方案数是只考虑了体积，表示的是装满背包的方案数。而这题是求的是最优解（最大值）的方案数。
在这里插入图片描述

代码：

#include<iostream>
#include<algorithm>
#include<cstring>
using namespace std;
const int N = 1010 , mod = 1e9 + 7;
int n , m;
int f[N] ,c[N];

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

背包求解具体方案

题目转送门

解题思路：
一般来说求方案的话，一种方法是倒推和在dp的时候记录。这里我们依据01背包的式子进行倒推。
在这里插入图片描述
代码：

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

然后有一些数据被卡了，发现题目要的是字典序最小，这就是很恶心了。一般对于字典序最小我们都是通过贪心来解决。对于这题就是从前往后询问每一个物品，
在这里插入图片描述
如果按照平时的背包问题我们是从前往后遍历的，那么我们在倒推的时候就需要从后往前这样就不符合贪心的原则了。因此我们在dp的时候倒着堆。 d p [ i ] [ j ] dp[i][j] dp[i][j]表示从第i个物品开始体积不超过j的最大价值。

代码：

#include<iostream>
#include<algorithm>
#include<cstring>
using namespace std;
const int N = 1010;
int n , m ;
int w[N] , v[N];
int f[N][N] , way[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 j = m;
    for(int i = 1 ; i <= n  ; ++i)
            if(j >= w[i] && f[i][j] == f[i+1][j-w[i]] + v[i])
                way[i] = 1 , j -= w[i];
    for(int i = 1 ; i <= n ; ++i)
        if(way[i])cout<<i<<" ";
    return 0;
}
落春只在无意间
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
C++动态规划之背包问题解决方法
09-03
主要介绍了C++动态规划之背包问题解决方法,实例分析了背包问题的原理与C++实现技巧,具有一定参考借鉴价值,需要的朋友可以参考下
动态规划之背包九讲崔添翼版本
10-05
有 N 件物品和一个容量为 V 的背包。放入第 i 件物品耗费的费用是 Ci1，得到的 价值是 Wi。求解将哪些物品装入背包可使价值总和最大。
动态规划---常用的背包模型(从原理到优化详细讲解)
qq_68734252的博客
02-19 1245
动态规划---常用的背包模型(从原理到优化详细讲解)
动态规划习题：数字三角形（01背包）
weixin_33807284的博客
10-10 336
问题描述　　　　 　7　　　　　3 8　　　　8 1 0 2 7 4 4 4 5 2 6 5上图给出了一个数字三角形。从三角形的顶部到底部有很多条不同的路径。对于每条路径，把路径上面的数加起来可以得到一个和，和最大的路径称为最佳路径。你的任务就是求出最佳路径上的数字之和。注意：路径上的每一步只能从一个...
leetcode hot100中的经典背包问题
布生气
04-09 843
通过对比完全背包和01背包的leetcode hot100中几个小题目，明确应用场景，以及代码书写的遍历顺序。
密码学及其应用（应用篇15）——0/1背包问题
weixin_65190179的博客
02-25 1325
想象你有一堆不同重量的宝石，这些宝石的重量构成了一个超增长序列，即后面的宝石总比前面所有宝石的总重量要重。你有一个秘密数字和一个公开的大数字，这两个数字互不相同且都很特别（它们互质，意味着除了1以外没有其他公共因子）。接收方知道你的秘密数字、每个宝石的原始重量，以及加密消息。他们要找出你选择了哪些宝石。这个基于超增长背包序列的公钥加密协议允许安全地加密和解密消息，即使是在公开的通信渠道中。公钥用于加密消息，而只有持有私钥的接收方能够解密这个消息。
0-1背包和完全背包的差异分析
07-17 686
1、动态规划 2、回溯算法 3、应用场景 3.1、LeetCode416. 分割等和子集 3.2、完全背包
GGTalk 中的算法知识 - 01背包问题
Desgard_Duan
09-01 367
前几天 GGTalk 发了一期关于算法类的播客，主持人磊子和嘉宾 WAMaker 都分享了很有趣的算法经历。这一系列文会帮你梳理一下在这期电台中，你应该知道的知识点。这一...
Java学习之动态规划-背包问题代码
最新发布
05-16
背包问题 Java学习之动态规划-背包问题代码 Java学习之动态规划-背包问题代码 Java学习之动态规划-背包问题代码
动态规划专题之多重背包问题1
08-08
在实际应用中，动态规划的效率可以通过剪枝、记忆化搜索等策略进行提升。例如，通过预处理或提前计算一些固定组合，可以减少不必要的计算。此外，对于大规模数据，可能需要使用滚动数组来进一步节省空间。 总的来说...
动态规划背包问题6篇讲解+源码
03-29
动态规划是解决背包问题的一种经典方法，它通过将原问题分解为子问题，并保存子问题的解来避免重复...通过学习和实践，读者可以逐渐掌握动态规划在背包问题中的应用技巧，为将来解决更复杂的优化问题打下坚实的基础。
双肩包3D模型效果图
07-15
双肩包3D模型效果图适用于背包模型设计
动态规划的matlab代码有注释-industrial-manipulator:工业机械手
05-20
动态规划的matlab代码有注释 This is a basic controller for a 6R industrial manipulator. I wrote these code when I was working in a siasun, a mechanical company who wanted to develop a manipulator on their own. Unfortunately, I left this company for Huawei, and became a software engineer before the code could be tested on real robot (industrial manipulator). I've only tested the joint trajectory on Matlab. The controller is simple, and still has many problems to be solved. For example, path planning through
指派问题matlab匈牙利算法
08-18
matlab匈牙利算法求解指派问题
背包问题 数学建模 背包问题 数学建模
04-30
背包问题 数学建模 背包问题： 01背包问题 02: 完全背包问题 03: 多重背包问题 04: 混合三种背包问题 05: 二维费用的背包问题 06: 分组的背包问题 07: 有依赖的背包问题 08: 泛化物品 09: 背包问题问法的变化 11: 背包问题的搜索解法
自适应动态规划matalab简单代码实现
11-27
自适应动态规划matalab简单代码实现，适合初学者，代码可运行
动态规划 入门一
ooaer的专栏
06-19 615
对于动态规划，每个刚接触的人都需要一段时间来理解，特别是第一次接触的时候总是想不通为什么这种方法可行，这篇文章就是为了帮助大家理解动态规划，并通过讲解基本的01背包问题来引导读者如何去思考动态规划。本文力求通俗易懂，无异性，不让读者感到迷惑，引导读者去思考，所以如果你在阅读中发现有不通顺的地方，让你产生错误理解的地方，让你难得读懂的地方，请跟贴指出，谢谢！ ----第一节----初识...
01背包问题
yay1994的博客
03-26 138
背包问题 问题介绍 给一堆物品，每个物品都有重量wi以及价值vi，和一个背包，容量（即承重量）为c，挑选物品放入背包中，使得背包中物品的价值总和最大，求出最大价值以及物品组合。 举个例子： 重量数组为c=[5, 6, 7, 2, 3],价值数组为v=[8, 7, 2, 5, 6],背包容量为c=10，对于这个例子，最大价值为19，物品组合为重量为5,2,3的这三个物品，这个例子比较简单，能直接找出...
MATLAB 动态规划
小嗷犬的博客
02-05 3707
动态规划是一种数学优化方法，它是一种在给定约束条件下，求解最优化问题的方法。动态规划的基本思想是将原问题分解为若干个子问题，先求解子问题的最优解，然后根据子问题的最优解，求解原问题的最优解。将原问题分解为子问题确定状态确定一些初始状态（边界状态）的值确定状态转移方程思想上类似于递归，但动态规划采用记录子问题的最优解的方法，避免了重复计算子问题的最优解，从而提高了计算效率；除此之外，动态规划通常采用自底向上的方法，而递归通常采用自顶向下的方法。
动态规划解决背包问题的数学模型，
06-08
动态规划是解决背包问题的有效方法之一，其数学模型如下： - 假设有 $n$ 个物品和一个背包，背包能容纳的重量为 $W$。 - 对于每个物品 $i$，有其重量 $w_i$ 和价值 $v_i$。 - 定义一个二维数组 $dp[i][j]$，表示前 ...

“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

打赏作者

落春只在无意间

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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