多重背包问题 I

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 vi,价值是 wi。

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 vi,wi,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

题目链接

这道题与01背包差不多,还是原汁原味的方程。
f[i,j]代表的是从前i个物品选,并且总体积小于等于j的方程。
不过与01背包不一样的是第i个物品可以选si个。
那我们怎么进行状态计算呢,就是以第i个物品选多少个来划分。
我们就需要枚举所有可能选的情况就可以了。
状态转移方程:

f[i,j]=max(f[i,j],f[i-1,j-k*v[i]]+k*w[i]);

代码如下:

#include <iostream>
#include <algorithm>
using namespace std;
const int N = 100 + 10;
int v[N],w[N],s[N];
int f[N][N];
int n,m;
using namespace std;
int main()
{
    cin>>n>>m;
    
    for(int i=1;i<=n;i++) cin>>v[i]>>w[i]>>s[i];
    
    for(int i=1;i<=n;i++)
    {
        for(int j=0;j<=m;j++)
        {
            for(int k=0;k<=s[i] && k*v[i]<=j;k++)//k不能超过给定的数量并且不能超过枚举的体积。
            {
                f[i][j]=max(f[i][j],f[i-1][j-v[i]*k]+w[i]*k);
            }
        }
    }
    cout << f[n][m] << endl;
    
    return 0;
}

既然用到了f[i-1]层的数据,那么我们就可以类似的,跟01背包一样的优化。将二维数组优化为一维。只需要将体积逆向枚举就可以。

代码如下:

#include <iostream>
#include <algorithm>
#include <sstream>
using namespace std;
const int maxn = 110;
int s[maxn],v[maxn],w[maxn];
int f[maxn];
int n,m;
int main(){
    scanf("%d%d",&n,&m);
    for(int i=1;i<=n;i++) scanf("%d%d%d",&v[i],&w[i],&s[i]);
    
    for(int i=1;i<=n;i++){
        for(int j=m;j>=v[i];j--){
            for(int k=0;k<=s[i]&&k*v[i]<=j;k++){
                f[j]=max(f[j],f[j-k*v[i]]+k*w[i]);
            }
        }
    }
    cout << f[m];
    return 0;
}
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
多重背包问题一个经典的动态规划问题,它的目标是在给定的一组物品中选择一些物品,使得它们的总体积和不超过背包容量,同时最大化它们的总价值。与 0-1 背包问题不同的是,多重背包问题允许每物品被选择多次,而不仅仅是一次。 在 MATLAB 中,可以使用动态规划的方法来解决多重背包问题。具体实现步骤如下: 1. 定义状态:设 dp(i,j) 表示前 i 物品,总体积不超过 j 的情况下,可以获得的最大价值。 2. 状态转移方程:对于第 i 物品,可以选择 0 到 k(i) 个,其中 k(i) 表示第 i 物品的可选数量。因此,dp(i,j) 可以由以下两情况转移而来: a. 不选择第 i 物品:dp(i,j) = dp(i-1,j) b. 选择第 i 物品 k 个,此时总体积不超过 j:dp(i,j) = max(dp(i,j), dp(i-1,j-k*v(i))+k*w(i)) 其中,v(i) 表示第 i 物品的体积,w(i) 表示第 i 物品的价值。 3. 初始状态:dp(0,j) = 0,dp(i,0) = 0。 4. 最终结果:dp(n,m),其中 n 表示物品的数量,m 表示背包容量。 使用 MATLAB 实现多重背包问题的代码可以参考如下: ```matlab function [maxValue] = multipleKnapsack(n, m, v, w, k) % n: 物品数量,m: 背包容量,v: 物品体积,w: 物品价值,k: 可选数量 dp = zeros(m+1,1); for i = 1:n for j = m:-1:0 for t = 0:min(k(i),floor(j/v(i))) dp(j+1) = max(dp(j+1), dp(j-t*v(i)+1)+t*w(i)); end end end maxValue = dp(m+1); end ``` 其中,n、m、v、w、k 分别表示物品的数量、背包容量物品的体积、物品的价值和物品的可选数量。函数返回值为最大的总价值 maxValue。 注意:本代码仅供参考,请根据实际情况进行调整和优化。

“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