三维 背包问题:DP求解

题目:

小v是公司的运维工程师,现有一个有关应用程序部署的任务如下:
1、一台服务器的磁盘空间、内存是固定的,现在有N个应用程序要部署;
2、每个应用程序所需要的磁盘、内存不同,每个应用程序允许访问的用户数也不同,且同一个应用程序不能在一台服务器上部署多个。
对于一台服务器而言,如何组合部署应用程序能够使得单台服务器允许访问的用户数最多?

输入描述:
输入包括三个参数,空格分隔,分别表示服务器的磁盘大小、内存大小,以及应用程序列表;
其中第三个参数即应用程序列表,表述方式为:多个应用程序信息之间用 '#' 分隔,每个应用程序的信息包括 ',' 分隔的部署所需磁盘空间、内存、允许访问的用户量三个数字;比如 50,20,2000 表示部署该应用程序需要50G磁盘空间,20G内存,允许访问的用户数是2000

输出描述:
单台服务器能承载的最大用户数

输入例子1:
15 10 5,1,1000#2,3,3000#5,2,15000#10,4,16000

输出例子1:
31000

例子说明1:
组合部署服务5,2,1500010,4,16000  ,可以让单台服务器承载最大用户数31000

思路:
传统背包问题一般使用二维(或1维)数组+DP(两层循环)求解,但是本题中对于内存和磁盘都有限制,这就相当于原本 限制一个变量:重量,变成了限制两个变量,因此需要增加一维数组大小;
注意,为了使得dp数组被初始化为0,在全局数据区定义

代码:
下方 to do 部分为解决方案,这里提炼出来

// TODO Write your code here!
    for(int i = 1; i<= countOfApp; i++){
        for(int j = 1; j <= disk; j++){
            for(int k = 1; k <= mem; k++){
                if(disks[i-1] <= j && mems[i-1] <= k){    // 如果没有超出限制
                    dp[i][j][k] = max(dp[i-1][j][k], users[i-1] + dp[i-1][j - disks[i-1]][k - mems[i-1]]);
                }
                else {
                    dp[i][j][k] = dp[i - 1][j][k];
                }
            }
        }
    }
    return dp[countOfApp][disk][mem];

全部代码:

#include <iostream>
#include <cstdio>
#include <cstdlib>

using namespace std;

/*
* Welcome to vivo !
*/

int getCountOfApp(const char* input){
    if(NULL == input){
        return 0;
    }
    int cnt = 0;
    for(int i=0;input[i]!=0;++i){
        if(input[i] == ','){
            ++cnt;
        }
    }
    return cnt/2;
}

//id start from 0
int getPositionOfApp(const char* input, const int id){
    int cntOfComma = id*2 + 1;
    int i=0;
    for(;input[i]!=0&&cntOfComma!=0;++i){
        if(input[i] == ','){
            --cntOfComma;
        }
    }
    while(input[--i]!=' '&&input[i]!='#');
    return i+1;
}

#define APP_MAX 1000
#define DP_MAX 2048
int disks[APP_MAX];
int mems[APP_MAX];
int users[APP_MAX];
int dp[1000][1000][1000];

int solution(const char* input){
    const int countOfApp = getCountOfApp(input);
    if(0 == countOfApp){
        return 0;
    }
    int res = 0;

    int disk = 0;
    int mem = 0;

    sscanf(input, "%d %d", &disk, &mem);

    for(int i=0; i< countOfApp;++i){
        const int pos = getPositionOfApp(input, i);
        sscanf(input+pos, "%d,%d,%d", &disks[i], &mems[i], &users[i]);
    }

    // TODO Write your code here!
    for(int i = 1; i<= countOfApp; i++){
        for(int j = 1; j <= disk; j++){
            for(int k = 1; k <= mem; k++){
                if(disks[i-1] <= j && mems[i-1] <= k){    // 如果没有超出限制
                    dp[i][j][k] = max(dp[i-1][j][k], users[i-1] + dp[i-1][j - disks[i-1]][k - mems[i-1]]);
                }
                else {
                    dp[i][j][k] = dp[i - 1][j][k];
                }
            }
        }
    }
    return dp[countOfApp][disk][mem];
}

int main(int argc, char* args[])
{
    char input[10000];
    cin.getline(input,10000);
    cout<<solution(input)<<endl;
}
  • 3
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
三维背包问题是指在三个维度上有不同的物品和容量限制,求解如何将物品放入背包使得总价值最大,同时满足每个维度的容量限制。 在Matlab中,可以使用动态规划算法来解决三维背包问题。具体步骤如下: 1. 定义三维数组dp(i,j,k),表示在前i个物品中,每个维度的容量限制分别为j和k时的最大价值。 2. 初始化dp数组为0,即dp(i,j,k)=0。 3. 对于每个物品i,遍历每个维度的容量限制j和k,如果当前物品的尺寸不超过当前维度的容量限制,则更新dp数组: dp(i,j,k) = max(dp(i-1,j,k), dp(i-1,j-size_i,k) + value_i, dp(i-1,j,k-size_i) + value_i, dp(i-1,j-size_i,k-size_i) + value_i) 其中,size_i表示物品i在第一个维度上的尺寸,value_i表示物品i的价值。 4. 返回dp(n,c1,c2),其中n为物品总数,c1和c2为每个维度的容量限制。 下面是Matlab代码实现: ```matlab function [maxValue] = knapsack3D(size, value, limit) % size: n*3矩阵,每行表示一个物品在三个维度上的尺寸 % value: n*1矩阵,每行表示一个物品的价值 % limit: 1*3矩阵,每个元素表示对应维度的容量限制 % maxValue: 背包能够装下的最大价值 n = size(size, 1); dp = zeros(n+1, limit(1)+1, limit(2)+1, limit(3)+1); for i = 1:n for j = 1:limit(1)+1 for k = 1:limit(2)+1 for l = 1:limit(3)+1 if j>=size(i,1) && k>=size(i,2) && l>=size(i,3) dp(i+1,j,k,l) = max(dp(i,j,k,l), dp(i,j-size(i,1),k,l)+value(i), dp(i,j,k-size(i,2),l)+value(i), dp(i,j,k,l-size(i,3))+value(i), dp(i,j-size(i,1),k-size(i,2),l)+value(i), dp(i,j-size(i,1),k,l-size(i,3))+value(i), dp(i,j,k-size(i,2),l-size(i,3))+value(i), dp(i,j-size(i,1),k-size(i,2),l-size(i,3))+value(i)); else dp(i+1,j,k,l) = dp(i,j,k,l); end end end end end maxValue = dp(n+1,limit(1)+1,limit(2)+1,limit(3)+1); end ``` 其中,n为物品总数,size为n*3矩阵,每行表示一个物品在三个维度上的尺寸,value为n*1矩阵,每行表示一个物品的价值,limit为1*3矩阵,每个元素表示对应维度的容量限制。函数返回背包能够装下的最大价值。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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