第二节背包

最新推荐文章于 2024-06-14 13:37:51 发布

小芒果_01

最新推荐文章于 2024-06-14 13:37:51 发布

阅读量881

点赞数 18

分类专栏： C++算法专栏 # C++算法——动态规划文章标签：网络 c++ 动态规划背包问题

本文链接：https://blog.csdn.net/qq_43737458/article/details/136786011

版权

C++算法专栏同时被 2 个专栏收录

13 篇文章 0 订阅

订阅专栏

C++算法——动态规划

1 篇文章 0 订阅

订阅专栏

第二节背包

学习背景

小Z从数字金字塔上下来后，来到了一座城堡，城堡里有各种各样的宝物，如果项带走某种宝物，搬运它需要一定的时间 $w_i$ ，当然宝物也会有自己的价值 $v_i$ 。可小Z赶时间，他在城堡里呆的时间有限，只有 $t$ 分钟，小Z应该搬走哪些宝物才能得到最多的价值呢？

小Z想，按性价比( $v_i/w_i$ )对所有宝物排序，从高到低依次搬不就行了吗？但是小Z很快找到了一些反例，例如，小Z有10分钟，现有4件宝物，每件宝物的搬运时间分别为：4，3，4，7，每件宝物的价值分别是48，30，48，69。如果按性价比搬宝物，小Z会搬走第1件和第3件，得到的价值为96，但是小Z搬走第2件和第4件可以得到的价值为99。

突然，小Z想到可以运用本章第一节学习的DP来解决这个问题呀！你知道他是怎么解决的吗？

学习知识

背包问题是指这样一类问题：给定一些物品，每种物品都有自己的体积和价值，在限定的总体积（背包容量）内，选择哪些物品才能使物品的总价值最高。

（一）背包的基础类型

有三种基础的背包类型，分别是01背包、完全背包和多重背包，这三种类型的划分依据是每种物品的可选数量。对01背包而言，每种物品只有一件；对完全背包而言，每种物品有无限件；对多重背包而言，每种物品有有限件（可能为1，也可能为其他数字）。

1.01把背包

（1）01背包的模型

01背包的模型为：给定n种物品，其中第i种物品的体积为 $w_i$ ，价值为 $v_i$ ，每种物品只有一件。有一体积为m的背包，请选择一些物品放入背包，使得在物品总体积不超过m的前提下，物品的价值总和最大。

阶段划分。问题规模收n，m的限制，按什么划分阶段呢？试想，我们可以按物品顺序逐一考虑每件物品是否加入背包，因此，可按已处理物品的件数将选择过程划分为n个阶段，设阶段变量i代表前i件物品。
设计状态。在考虑第i件物品放不放进背包时，还需要知道背包的容量情况，可用二位状态变量 $(i, j)$ 代表前 $i$ 件物品，背包体积为j，设最优值函数f代表背包物品的最大价值和。

有两种状态定义方式：一是设 $f [i] [j]$ 代表前 $i$ 件物品选择若干件放入体积为 $j$ 的背包得到的最大价值和（体积 $j$ 可以不装满）；二是设 $f [i] [j]$ 代表前 $i$ 件物品选择若干件恰好放入体积为 $j$ 的背包得到的最大价值和（体积 $j$ 必须装满）。

这两种状态定义在确定边界和目标解时会有区别，本问题会给出两种状态下的实现，但后续问题分析将采用第二种形式。
确定对策。对于状态 $f [i] [j]$ ,问题进入了第 $i$ 阶段，决策对象为第 $i$ 种物品，可以做出的决策有：选、不选。
确定状态转移方程。
$f[i][j]=max\begin{cases} f[i-1][j] & 不选第i种物品 \\ f[i-1][j-w[i]]+v[i],j>=w[i] & 选1件第i种物品 \end{cases}$
确定边界。若状态 $f [i] [j]$ 的定义为第一种，边界 $f [i] [j] = 0$ ,即前i种物品选择若干件放入体积为j的背包（体积j可以不装满）得到的最大价值和为0，因为可以一件也不选。

若状态 $f [i] [j]$ 的定义为第二种，边界为 $f [0] [0] = 0$ ,其余 $f [i] [j]$ 的值设为负无穷，表示前i种物品选择若干见恰好放入体积为j的背包（体积j必须刚好装满）不存在可行方案（无解），此时 $f [0] [0]$ 必须设为0，否则 $f [i] [j]$ 的值无法顺利更新。
确定目标解。若状态 $f [i] [j]$ 的定义为第一种，目标解为 $f [n] [m]$ ，即前n件物品选择若干件放入体积为m的背包（体积m可以不装满）得到的最大价值和。

若状态 $f [i] [j]$ 定义为第二种，由于不确定最后放入的物品所占体积，因此须枚举j，在所有的 $f [n] [j]$ 中取最大值，因此目标解为 $ma x (f [n] [j]) (0 <= j <= m)$ 。

【实战训练4-2-1】采药(题目来源：洛谷P1048，NOIP2005普及组)
[NOIP2005 普及组] 采药

题目描述

辰辰是个天资聪颖的孩子，他的梦想是成为世界上最伟大的医师。为此，他想拜附近最有威望的医师为师。医师为了判断他的资质，给他出了一个难题。医师把他带到一个到处都是草药的山洞里对他说：“孩子，这个山洞里有一些不同的草药，采每一株都需要一些时间，每一株也有它自身的价值。我会给你一段时间，在这段时间里，你可以采到一些草药。如果你是一个聪明的孩子，你应该可以让采到的草药的总价值最大。”

如果你是辰辰，你能完成这个任务吗？

输入格式

第一行有 $2$ 个整数 $T$ （ $\le T \le 1000$ ）和 $M$ （ $\le M \le 100$ ），用一个空格隔开， $T$ 代表总共能够用来采药的时间， $M$ 代表山洞里的草药的数目。

接下来的 $M$ 行每行包括两个在 $1$ 到 $100$ 之间（包括 $1$ 和 $100$ ）的整数，分别表示采摘某株草药的时间和这株草药的价值。

输出格式

输出在规定的时间内可以采到的草药的最大总价值。

样例 #1

样例输入 #1
```
70 3
71 100
69 1
1 2
```
样例输出 #1
```
3
```
提示

【数据范围】
- 对于 $30\%$ 的数据， $\le 10$ ；
- 对于全部的数据， $\le 100$ 。
【题目来源】

NOIP 2005 普及组第三题

【问题分析】本问题为01背包模板题，问题分析如上，下面给出两种状态定义下的代码实现。若状态 $f [i] [j]$ 代表前i种物品选择若干件放入体积为j的背包得到的最大价值和（体积j可以不装满），则有：

#include<bits/stdc++.h>
using namespace std;
int f[105][1005];
int w[105],v[105];
int main()
{
	int m,n;
	cin>>m>>n;
	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][j],f[i-1][j-w[i]]+v[i]);
			}
		}
	}
	cout<<f[n][m]<<endl;
	return 0;
}

若状态 $f [i] [j]$ 代表前i种物品选择若干件恰好放入体积为j的背包得到的最大价值和（体积 j必须装满），则有：

#include<bits/stdc++.h>
using namespace std;
int f[105][1005];
int w[105],v[105];
int main()
{
	int m,n;
	cin>>m>>n;
	for(int i=1;i<=n;i++){
		cin>>w[i]>>v[i];
	}
	memset(f,0xcf,sizeof(f));
	f[0][0]=0;
	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][j],f[i-1][j-w[i]]+v[i]);
			}
		}
	}
	int ans=-1e9;
	for(int i=0;i<=m;i++)ans=max(ans,f[n][i]);
	cout<<ans<<endl;
	return 0;
}

（2）01背包的优化

上述算法的时间复杂度、空间复杂度均为O(n*m)，下面给出两种优化空间复杂度的方法。

滚动数组优化

观察状态转移方程 $f [i] [j] = ma x (f [i - 1] [j], f [i - 1] [j - w [i]] + v [i])$ ，每一阶段的状态的最优解只和上一阶段有关，而与更早之前的阶段无关。更形象地，以实战训练4-2-1的样例为例，DP过程中状态 $f [i] [j]$ 的值的变化情况如表4-2-1所示，表中箭头说明了第3阶段到第4阶段的状态转移情况，其中垂直箭头代表的决策是不选第4种物品，斜线箭头代表的决策是第4种物品。

在这里插入图片描述

因此，为了节省空间开销，我们只需要开辟数组 $f [2] [m]$ ，让第 $i$ 阶段的状态存储在f[i&1][ j]中即可，当i为奇数时，i&1=1;当i为偶数时，i&1=0。状态f[i&1][ j]的值相当于在 $f [0] [j]$ 和 $f [1] [j]$ 中滚动存储，故名滚动数组优化，空间复杂度由O(n*m)降低到了O(m)。下面给出滚动数组优化参考代码：

#include<bits/stdc++.h>
using namespace std;
int f[2][1005];
int w[105],v[105];
int main()
{
	int m,n;
	cin>>m>>n;
	for(int i=1;i<=n;i++){
		cin>>w[i]>>v[i];
	}
	memset(f,0xcf,sizeof(f));
	f[0][0]=0;
	for(int i=1;i<=n;i++){
		for(int j=0;j<=m;j++){
			f[i&1][j]=f[(i-1)&1][j];
			if(j>=w[i]){
				f[i&1][j]=max(f[i&1][j],f[(i-1)&1][j-w[i]]+v[i]);
			}
		}
	}
	int ans=-1e9;
	for(int i=0;i<=m;i++)ans=max(ans,f[n&1][i]);
	cout<<ans<<endl;
	return 0;
}

降维优化

再次观察表4-2-1中第3阶段到第4阶段的状态转移情况，发现第4阶段的每一个状态首先都会由一个垂直箭头（不选第4种物品）转移，再看能否由倾斜箭头（选第4种物品）转移。

更一般地，若不选第i种物品，第i阶段所有状态的值会与第i-1阶段所有状态的值一样，等价于将 $f [i - 1] [j]$ 复制了一份给 $f [i] [j]$ ，因此可进一步地将滚动数组 $f [2] [m]$ 种的第一维也省略，令f[j]代表前i种物品选择若干件恰好装入体积为j的背包的最大价值和（体积为j必须装满）。

降维代码如下：
```
#include<bits/stdc++.h>
using namespace std;
int f[1005];
int w[105],v[105];
int main()
{
	int m,n;
	cin>>m>>n;
	for(int i=1;i<=n;i++){
		cin>>w[i]>>v[i];
	}
	memset(f,0xcf,sizeof(f));
	f[0]=0;
	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 ans=-1e9;
	for(int i=0;i<=m;i++)ans=max(ans,f[i]);
	cout<<ans<<endl;
	return 0;
}
```

2.完全背包

(1)完全背包模型

完全背包的模型为：给定n种物品，其中第i个物品的体积为 $w_i$ ，价值为 $v_i$ ,每种物品有无数件。有一体积为m的背包，请选择一些物品放入背包，使得在物品总体积不超过m的前提下，物品的价值总和最大。

阶段划分。与01背包一样，完全背包仍然按已处理物品种数划分阶段，设阶段变量i代表前i种物品。
设计状态。设 $f [i] [j]$ 代表前i种物品选择若干件恰好放入体积为j的背包的最大价值和（体积j必须装满）。
确定决策。对于状态 $f [i] [j]$ ，问题进入第i阶段，决策对象为第i种物品，做出的决策即第i种物品选几件，可以为0件，1件，2件，……，j/w[i]件。设决策变量为k，那么决策变量k的范围为 $0 <= k <= j / w [i]$ 。
确定状态转移方程。 $f [i] [j] = ma x (f [i] [j], f [i - 1] [j - k * w [i]] + k * v [i]) (0 <= k <= j / w [i])$ 。
确定边界。 $f [i] [j] = - \infty, f [0] [0] = 0$ ,含义与01背包问题一致。
确定目标解。 $ma x (f [n] [j]) (0 <= j <= m ∣ j)$ ,含义与01背包问题一致。

【实战训练4-2-2】疯狂采药（题目来源：洛谷P1616）

疯狂的采药

题目背景

此题为纪念 LiYuxiang 而生。

题目描述

LiYuxiang 是个天资聪颖的孩子，他的梦想是成为世界上最伟大的医师。为此，他想拜附近最有威望的医师为师。医师为了判断他的资质，给他出了一个难题。医师把他带到一个到处都是草药的山洞里对他说：“孩子，这个山洞里有一些不同种类的草药，采每一种都需要一些时间，每一种也有它自身的价值。我会给你一段时间，在这段时间里，你可以采到一些草药。如果你是一个聪明的孩子，你应该可以让采到的草药的总价值最大。”

如果你是 LiYuxiang，你能完成这个任务吗？

此题和原题的不同点：

$1$ . 每种草药可以无限制地疯狂采摘。

$2$ . 药的种类眼花缭乱，采药时间好长好长啊！师傅等得菊花都谢了！

输入格式

输入第一行有两个整数，分别代表总共能够用来采药的时间 $t$ 和代表山洞里的草药的数目 $m$ 。

第 $2$ 到第 $(m + 1)$ 行，每行两个整数，第 $(i + 1)$ 行的整数 $a_i, b_i$ 分别表示采摘第 $i$ 种草药的时间和该草药的价值。

输出格式

输出一行，这一行只包含一个整数，表示在规定的时间内，可以采到的草药的最大总价值。

样例 #1

样例输入 #1
70 3
71 100
69 1
1 2
样例输出 #1
140
提示

数据规模与约定

对于 $30\%$ 的数据，保证 $\le 10^3$ 。
对于 $100\%$ 的数据，保证 $\leq m \le 10^4$ ， $\leq t \leq 10^7$ ，且 $\leq m \times t \leq 10^7$ ， $\leq a_i, b_i \leq 10^4$ 。

【问题分析】本问题为完全背包模板题，问题分析如上，但上述算法的空间复杂度为 $O (n * m)$ ,时间复杂度为 $O(n*m^2)$ 提交时可通过30%的数据。下面给出上述算法的实现代码，再对其进行优化。具体代码如下：

#include<bits/stdc++.h>
using namespace std;
long long  f[1005][1005],w[1005],v[1005];
long long max(long long a,long long b){
	return a>b?a:b;
}
int main()
{
	

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

（2）完全背包的优化

降维优化代码

#include<bits/stdc++.h>
using namespace std;
long long  f[10000005],w[10005],v[10005];
int main()
{
	int m,n;
	cin>>m>>n;
	for(int i=1;i<=n;i++){
		cin>>w[i]>>v[i];
	}
	for(int i=1;i<=n;i++){
		for(int j=w[i];j<=m;j++){
			f[j]=max(f[j],f[j-w[i]]+v[i]);
		}
	}
	cout<<f[m];
	return 0;
}

3.多重背包

（1）多重背包的模型

多重背包的模型为：给定n种物品，其中第i种物品的体积为 $w_i$ ，价值为 $v_i$ ,每种物品有 $C_i$ 件。有一体积为m的背包，请选择一些物品放入背包，使得在物品总体积不超过m的前提下，物品的价值总和最大。

阶段划分。与01背包一样，多重背包仍然按已处理物品种数划分阶段，设阶段变量i代表前i种物品。
设计状态。设 $f [i] [j]$ 代表从前i种物品选择若干件恰好放入体积为j的背包的最大价值和（体积j必须装满）。
确定决策。对于状态 $f [i] [j]$ ，问题进入第i阶段，决策对象为第i种物品，做出的决策即第i种物品选几件，可以为0件，1件，2件……min(c[i],j/w[i])件。设决策变量为k，那么决策变量k的范围为 $0 <= k <= min (c [i], j / w [i])$ 。
确定状态转移方程。 $f [i] [j] = ma x (f [i] [j], f [i - 1] [j - k * w [i]] + k * v [i])$ ,其中k的取值范围为 $(0 <= k <= min (c [i], j / w [i]))$ 。
确定边界。 $f [i] [j] = - \infty, f [0] [0] = 0$ ,含义与01背包问题一致。
确定目标解。 $ma x (f [n] [j])$ ,其中j的取值范围为 $0 <= j <= m$ ,含义与01背包问题一致。

【实战训练4-2-3】宝物筛选（题目来源：洛谷P1776）

宝物筛选

题目描述

终于，破解了千年的难题。小 FF 找到了王室的宝物室，里面堆满了无数价值连城的宝物。

这下小 FF 可发财了，嘎嘎。但是这里的宝物实在是太多了，小 FF 的采集车似乎装不下那么多宝物。看来小 FF 只能含泪舍弃其中的一部分宝物了。

小 FF 对洞穴里的宝物进行了整理，他发现每样宝物都有一件或者多件。他粗略估算了下每样宝物的价值，之后开始了宝物筛选工作：小 FF 有一个最大载重为 $W$ 的采集车，洞穴里总共有 $n$ 种宝物，每种宝物的价值为 $v_i$ ，重量为 $w_i$ ，每种宝物有 $m_i$ 件。小 FF 希望在采集车不超载的前提下，选择一些宝物装进采集车，使得它们的价值和最大。

输入格式

第一行为一个整数 $n$ 和 $W$ ，分别表示宝物种数和采集车的最大载重。

接下来 $n$ 行每行三个整数 $v_i,w_i,m_i$ 。

输出格式

输出仅一个整数，表示在采集车不超载的情况下收集的宝物的最大价值。

样例 #1

样例输入 #1
4 20
3 9 3
5 9 1
9 4 2
8 1 3
样例输出 #1
47
提示

对于 $30\%$ 的数据， $n\leq \sum m_i\leq 10^4$ ， $0\le W\leq 10^3$ 。

对于 $100\%$ 的数据， $n\leq \sum m_i \leq 10^5$ ， $0\le W\leq 4\times 10^4$ ， $1\leq n\le 100$ 。

【问题分析】多重背包模板题，空间复杂度为 $O (n * m)$ ,时间复杂度为 $O (m * Σ c [i])$ 。

具体代码如下：

#include<bits/stdc++.h>
using namespace std;
int f[105][1005],w[105],v[105],c[105];
int main()
{
	int n,m;
	cin>>n>>m;
	for(int i=1;i<=n;i++){
		cin>>v[i]>>w[i]>>c[i];
	}
	for(int i=1;i<=n;i++){
		for(int j=0;j<=m;j++){
			for(int k=0;k<=min(c[i],j/w[i]);k++){
				f[i][j]=max(f[i][j],f[i-1][j-k*w[i]]+k*v[i]);
			}
		}
	}
	cout<<f[n][m];
	return 0;
}

（2）多重背包的优化

在多重背包中，第i件物品有 $c [i]$ 件，如果我们将第i种物品拆分成 $c [i]$ 种新的物品，每种物品只有一件，问题就转化成了01背包问题。思考，为什么这样拆分是可行的？

二进制拆分优化

#include<bits/stdc++.h>
using namespace std;
int f[40005],w[105],v[105],c[105];
int w1[200005],v1[200005],n1;
void pre(int vv,int ww,int cc){
	int num=1;
	while(cc-num>0){
		n1++;
		w1[n1]=ww*num;
		v1[n1]=vv*num;
		cc-=num;
		num*=2;
	}
	n1++;
	w1[n1]=cc*ww;
	v1[n1]=vv*cc;
	
}
int main()
{
	int n,m;
	cin>>n>>m;
	for(int i=1;i<=n;i++){
		cin>>v[i]>>w[i]>>c[i];
		pre(v[i],w[i],c[i]);
	}
	for(int i=1;i<=n1;i++){
		for(int j=m;j>=w1[i];j--){
			f[j]=max(f[j],f[j-w1[i]]+v1[i]);	
		}
	}
	cout<<f[m];
	return 0;
}

（四）背包的衍生类型

背包的衍生类型主要有混合背包、分组背包、多维费用背包、依赖背包等，这一背包问题和基础背包问题的分析方法非常相似。背包问题千变万化，但万变不离其宗，请注意领悟背包问题的本质。

1.混合背包

混合背包的模型为：给定n种物品，其中第i种物品的体积为 $w_i$ ,价值为 $v_i$ ，某种物品只有一件，某种物品有无数件，某种物品有 $c [i]$ 件。有一体积为m的背包，请选择一些物品放入背包，使得在物品总体积不超过m的前提下，物品的价值总和最大。

混合背包的阶段划分、状态设计和01背包一样，区别在于对于状态 $f [i] [j]$ ,需要讨论第i种物品是01、完全还是多重的，即针对物品的不同属性做不同的决策即可，这里不展开讨论。

2.分组背包

分组背包的模型为：给定n组物品，其中第i组有 $c [i]$ 件物品，第i组的第j件物品的体积为 $w_{ij}$ 价值为 $v_{ij}$ 。有一体积为m的背包，请选择一些物品放入背包，使得在每组至多选择一件且物品总体积不超过m的前提下，物品的价值总和最大。

（1）阶段划分。我们可按组数从前向后逐一考虑每个组内的物品，因此可按已处理的组数将问题求解过程划分为n个阶段，设阶段变量i表示前i组。

（2）设计状态。设 $f [i] [j]$ 代表从前i组物品种选择若干件恰好放入体积为j的背包的最大价值和。

（3）确定决策。对于状态 $f [i] [j]$ ，问题进入第i阶段，决策对象为第i组物品，由于每组物品至多选1件，因此对第i组做出的决策为选0件，选1件，若是选1件，则需要枚举第i组的 $c [i]$ 件物品，考虑选哪一件即可。

（4）确定状态转移方程。若第i组物品选0件： $f [i] [j] = f [i - 1] [j]$ ;若第i组物品选1件，假设为第k件： $f [i] [j] = f [i - 1] [j - w [i] [k]] + v [i] [k] (j >= w [i] [k])$ 。

（5）

这里不展开讨论。

2.分组背包

（1）阶段划分。我们可按组数从前向后逐一考虑每个组内的物品，因此可按已处理的组数将问题求解过程划分为n个阶段，设阶段变量i表示前i组。

（2）设计状态。设 $f [i] [j]$ 代表从前i组物品种选择若干件恰好放入体积为j的背包的最大价值和。

（5）

（5）确定目标解。 $ma x (f [n] [j]) (0 <= j <= m)$

小芒果_01

关注

18
点赞
踩
18

收藏

觉得还不错? 一键收藏
打赏
1
评论
第二节背包

小Z从数字金字塔上下来后，来到了一座城堡，城堡里有各种各样的宝物，如果项带走某种宝物，搬运它需要一定的时间wi，当然宝物也会有自己的价值vi。可小Z赶时间，他在城堡里呆的时间有限，只有t分钟，小Z应该搬走哪些宝物才能得到最多的价值呢？小Z想，按性价比(viwi)对所有宝物排序，从高到低依次搬不就行了吗？但是小Z很快找到了一些反例，例如，小Z有10分钟，现有4件宝物，每件宝物的搬运时间分别为：4，3，4，7，每件宝物的价值分别是48，30，48，69。
复制链接

扫一扫