常见背包问题
强烈推荐大佬博客dd大牛的《背包九讲》！！！
01背包问题
01背包问题：指的是每件物品只有一个，背包有容量（或者重量）限制，每个物品有大小（或者重量）和价值，求背包在容量（或者重量）限制下能装入物品的价值和最大是多少。
f[i][j]，代表考虑前i个物品，当前背包容量为j时，背包能装入的最大价值。
f[i][j]=max{f[i][j-1],f[i-1][j-v[i]]+w[i]};表示，
不选第i个物品和选第i个物品，在背包容量为j时，那种情况背包内的价值最大
可以画二维表格，更容易理解
代码如下：
#include<cstdio>
#include<algorithm>
#include<cstring>
#include<iostream>
using namespace std;
const int N=1e3+10;
int f[N][N];
int v[N],w[N];
int main(){
int n,m;
cin>>n>>m;
for(int i=1;i<=n;i++) cin>>v[i]>>w[i];
for(int i=1;i<=n;i++)
for(int j=1;j<=m;j++){
f[i][j]=f[i-1][j];
if(j>=v[i]) f[i][j]=max(f[i][j],f[i-1][j-v[i]]+w[i]);
}
cout<<f[n][m];
return 0;
}
优化空间
考虑对空间复杂度进行优化，f[i][j]是由f[i-1][i~j]来产生的，所以我们只需要保留上一行的信息，不需要其他行的信息。考虑用1行来存储，那么如何获得上一行的信息呢？每一行倒着遍历即可，这样一行原本信息f[i][j]=f[i-1][j]，判断是否拿第i个物品时，j>j-v[i],也不会产生冲突。
代码如下：
#include<cstdio>
#include<algorithm>
#include<cstring>
#include<iostream>
using namespace std;
const int N=1e3+10;
int f[N];
int v[N],w[N];
int main(){
int n,m;
cin>>n>>m;
for(int i=1;i<=n;i++) cin>>v[i]>>w[i];
for(int i=1;i<=n;i++)
for(int j=m;j>=v[i];j--)//从大到小枚举，保证第i次是通过i-1得来的
f[j]=max(f[j],f[j-v[i]]+w[i]);
cout<<f[m];
return 0;
}
完全背包问题
完全背包问题在01背包问题上的改变是不限制物品的数量，即每样物品有无数个，求背包能装入物品的价值和最大是多少
考虑从01背包推导至完全背包
for(int i=1;i<=n;i++)
for(int j=m;j>=v[i];j--)//从大到小枚举，保证第i次是通过i-1得来的
for(int k=1;k*v[i]<=j;k++) f[j]=max(f[j],f[j-v[i]*k]+w[i]*k);
考虑另一种思路：
for(int i=1;i<=n;i++)
for(int j=v[i];j<=m;j++)
f[j]=max(f[j],f[j-v[i]]+w[i]);
这个代码与01背包问题的代码的差别只是在遍历背包容量时，是从小到大遍历的，思考一下，为什么要这样做？
01背包问题从大到小遍历，是为了背包容量为 j 时，保证此时的f[ i ][ j ]是从f[i-1][ j （不选）]或者f[i-1][j-v[i]]+w[i]（选一个第 i 个物品）得来的,也就是说明，在考虑第 i 个物品，背包容量为 j 时，该物品 i 只会被考虑加入背包一次。
那么为什么 j 从小到大遍历后，就会转化为完全背包问题呢？
j 从小到大遍历时，当前的f[ i ][ j ]是从f[i-1][ j ]（不选）或者f[ i ][j-v[ i ]]+w[ i ]（选择一个或多个第 i 个物品 ）得来的，当f[ i ][ j ]由f[ i ][j-v[ i ]]+w[ i ]的来时（f[ i ][j-v[ i ]]也可能选择了第 i 个物品），此时第 i 个物品被选择了多个。这样就从小到大遍历 j 就将第 i 个物品给考虑了多次。
代码如下：
#include<cstdio>
#include<algorithm>
#include<cstring>
#include<iostream>
using namespace std;
const int N=1e3+10;
int f[N];
int v[N],w[N];
int main(){
int n,m;
cin>>n>>m;
for(int i=1;i<=n;i++) cin>>v[i]>>w[i];
for(int i=1;i<=n;i++)
for(int j=v[i];j<=m;j++)
f[j]=max(f[j],f[j-v[i]]+w[i]);
cout<<f[m];
return 0;
}
多重背包问题
多重背包问题在01背包的基础上，物品有了数量的限制。
转化为01背包问题求解
可以将多重背包问题转化为01背包问题来求解，只需要在01背包的基础上怎加一层循环，来遍历物品的数量即可，该方法只能用于数据范围比较小的情况。
多重背包问题 I 模板题
代码如下:
#include<cstdio>
#include<iostream>
#include<algorithm>
#include<cstring>
using namespace std;
const int N=1e2+10;
int f[N];
int v[N],w[N],cnt[N];
int main(){
int n,m;
cin>>n>>m;
for(int i=1;i<=n;i++) cin>>v[i]>>w[i]>>cnt[i];
for(int i=1;i<=n;i++)
for(int j=m;j>=1;j--)
for(int k=1;k<=cnt[i];k++)
if(j>=k*v[i]) f[j]=max(f[j],f[j-k*v[i]]+k*w[i]);
cout<<f[m];
return 0;
}
二进制优化
多重背包二进制优化解法的思路仍然是将多重背包问题给分解成01背包问题求解，如果将物品给拆成一份一份的情况，那么就跟上一个解法一样。二进制优化就是在拆分方法上做优化，我们不必要将物品数量给拆成一份一份的，用二进制拆分的方法。
将一个数n拆分成：1+2+4+…+2^k+剩余的数
例如：7=1+2+4，8=1+2+4+1
可以证明，0-n中的任意一个数，均可以用若干n拆分出的系数来表示
例如：7=1+2+4
1=1
2=2
3=1+2
4=4
5=1+4
6=2+4
7=7
这样便可将问题给优化了，当物品数量为s时，只需要拆分成log(s)个数而不是s个，在代码中能有效降低时间复杂度
多重背包问题 II 模板题
代码如下：
#include<cstdio>
#include<iostream>
#include<algorithm>
#include<cstring>
#include<vector>
using namespace std;
const int N=2e5+10;
int f[N];
int main(){
int n,m;
cin>>n>>m;
vector<pair<int,int> > ve;
for(int i=0;i<n;i++){//拆分
int v,w,s;
scanf("%d%d%d",&v,&w,&s);
for(int j=1;j<=s;j*=2){
s-=j;
ve.push_back(make_pair(v*j,w*j));
}
if(s) ve.push_back(make_pair(v*s,w*s));
}
for(int i=0;i<ve.size();i++)//按照01背包计算
for(int j=m;j>=ve[i].first;j--)
f[j]=max(f[j],f[j-ve[i].first]+ve[i].second);
cout<<f[m];
return 0;
}
单调队列优化
当数据范围再次变大时，考虑更加优化的方法—利用单调队列优化
多重背包问题的单调队列优化方法，就是传说中的《男人八题》
这个问题比较难，我大概能理解，但是讲不好，建议找视频学习。
多重背包问题 III 模板题
代码如下：
#include <iostream>
#include <cstring>
using namespace std;
const int N = 20010;
int dp[N], pre[N], q[N];
int n, m;
int main() {
cin >> n >> m;
for (int i = 0; i < n; ++i) {
memcpy(pre, dp, sizeof(dp));
int v, w, s;
cin >> v >> w >> s;
for (int j = 0; j < v; ++j) {
int head = 0, tail = -1;
for (int k = j; k <= m; k += v) {
if (head <= tail && k - s*v > q[head])
++head;
while (head <= tail && pre[q[tail]] - (q[tail] - j)/v * w <= pre[k] - (k - j)/v * w)
--tail;
if (head <= tail)
dp[k] = max(dp[k], pre[q[head]] + (k - q[head])/v * w);
q[++tail] = k;
}
}
}
cout << dp[m] << endl;
return 0;
}
混合背包问题
混合背包问题就是将上述三种背包问题混合在一起的情况
其中多重背包问题可二进制拆分成01背包问题
01背包问题与完全背包问题分开计算即可
混合背包问题模板题
代码如下：
#include<cstdio>
#include<algorithm>
#include<cstring>
#include<vector>
using namespace std;
const int N=1e3+10;
int n,m;
int f[N];//多重背包问题转化为01背包问题，分类讨论
struct node{
int kind;
int v,w;
};
int main()
{
vector<node>v;
scanf("%d%d",&n,&m);
for(int i=0;i<n;i++)
{
int x,y,s;
scanf("%d%d%d",&x,&y,&s);
if(s<0) v.push_back({-1,x,y});
else if(s==0) v.push_back({0,x,y});
else
{
for(int k=1;k<=s;k*=2)
{
s-=k;
v.push_back({-1,k*x,k*y});
}
if(s) v.push_back({-1,s*x,s*y});
}
}
vector<node>::iterator it;
for(it=v.begin();it!=v.end();it++)
if((*it).kind==-1)
for(int j=m;j>=(*it).v;j--)
f[j]=max(f[j],f[j-(*it).v]+(*it).w);
else
for(int j=(*it).v;j<=m;j++)
f[j]=max(f[j],f[j-(*it).v]+(*it).w);
printf("%d\n",f[m]);
return 0;
}
二维费用的背包问题
二维费用的背包问题指的是背包有多个限制，这个问题比较简单，只需要稍微改变一下01背包问题即可，容易理解
二维费用的背包问题模板题
代码如下：
#include<cstdio>
#include<algorithm>
#include<cstring>
#include<iostream>
using namespace std;
const int N=110;
int f[N][N];
int n,v,m;
int main()
{
cin>>n>>v>>m;
for(int i=0;i<n;i++)
{
int x,y,z;
scanf("%d%d%d",&x,&y,&z);
for(int j=v;j>=x;j--)
for(int k=m;k>=y;k--)
f[j][k]=max(f[j][k],f[j-x][k-y]+z);
}
cout<<f[v][m];
return 0;
}
分组背包问题
给定n组物品，每组物品若干个，同一组物品最多只能选择一个。每组s个，一共s+1种选择(不选也算一种)，求背包在容量（或者重量）限制下能装入物品的价值和最大是多少。
分组背包问题就是在01背包的基础上，增加对组内每个物品的遍历即可
分组背包问题模板题
代码如下：
#include<cstdio>
#include<cstring>
#include<iostream>
#include<algorithm>
using namespace std;
const int N=110;
int f[N];
int v[N],w[N];
int n,m;
int main()
{
cin>>n>>m;
for(int i=0;i<n;i++){
int t;
scanf("%d",&t);
for(int j=0;j<t;j++) scanf("%d%d",&v[j],&w[j]);
for(int j=m;j>=0;j--)
for(int k=0;k<t;k++)
if(v[k]<=j) f[j]=max(f[j],f[j-v[k]]+w[k]);
}
cout<<f[m];
return 0;
}
总结
各种背包问题的原型是01背包问题，所以要弄明白01背包问题。
625
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
