问题
有n种物品和一个容量为m的背包。第i种物品体积为w[i],价值为v[i],数量为num[i],(注意数量不再是一个或无限个)。在总体积不超过m的情况下,能装入背包的最大价值是多少?
分析一
分析一与完全背包的另一种分析类似,我们还是考虑第i种物品放几件:0…num[i]件,所以我们得出状态方程:
//k为放入第i种物品的个数,k<=min(num[i],j/w[i])
dp[i][j] = max(dp[i][j],dp[i-1][j-k*w[i]]+k*v[i]);
同同样的我们也可以对其进行优化处理:
for(int i=0;i<n;i++)
{
for(int j=m;j>=w[i];j--)//反向遍历
{
for(int k=0;k<=j/w[i]&&k<=num[i];k++)
{
dp[j] = max(dp[j],dp[j-k*w[i]]+k*v[i]);
}
}
}
由于原状态方程中是由i-1转移到i(也就是上一层传递过来),所以我们采取反向遍历。
暴力模板
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 110;
int w[N],v[N],num[N];
int dp[N][N];
int main()
{
int n,m;
cin>>n>>m;
for(int i=1;i<=n;i++)
cin>>w[i]>>v[i]>>num[i];
for(int i=1;i<=n;i++)
{
for(int j=0;j<=m;j++)
{
for(int k=0;k<=num[i]&&k*w[i]<=j;k++)
{
dp[i][j] = max(dp[i][j],dp[i-1][j-k*w[i]]+k*v[i]);
}
}
}
cout<<dp[n][m]<<endl;
return 0;
}
优化模板
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 110;
int w[N],v[N],num[N];
int dp[N];
int main()
{
int n,m;
cin>>n>>m;
for(int i=1; i<=n; i++)
cin>>w[i]>>v[i]>>num[i];
for(int i=0; i<n; i++)
{
for(int j=m; j>=w[i]; j--) //反向遍历
{
for(int k=0; k<=j/w[i]&&k<=num[i]; k++)
{
dp[j] = max(dp[j],dp[j-k*w[i]]+k*v[i]);
}
}
}
cout<<dp[m]<<endl;
return 0;
}
分析二
我们采取二进制思想进行优化,将第i种物品分成若干件物品,每件物品都有一个系数:1,2,4…。例如n=13,我们拆分成1,2,4,6四件物品,则0~13都可以由这四件物品得到,我们就将n件物品拆分成log n 件。我们再转化成01背包问题,复杂度就减小了。
二进制优化模板
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 110;
int w[N],v[N],s[N];
int dp[N];
int main()
{
int n,m,top = 1;
cin>>n>>m;
for(int i=1; i<=n; i++)
{
int a,b,s;//体积 价值 个数
cin>>a,b,s;
//将物品打包存入数组,以便转化为01背包问题
for(int k=1; k<=s; k*=2)//k每次乘2
{
w[top] = k*a;
v[top++] = k*b;
s-=k;//已经打包了k,所以要减去k
}
if(s>0)//如果打包完之后还有剩余,我们把剩余部分打包存入
{
w[top] = a*s;
v[top++] = b*s;
}
}
//01背包模板
for(int i=1; i<=top; i++)
{
for(int j=m; j>=w[i]; j--)
{
dp[j] = max(dp[j],dp[j-w[i]]+v[i]);
}
}
cout << dp[m] << endl;
return 0;
}