动态规划之背包问题

如风的少年-

已于 2022-03-18 15:07:21 修改

阅读量186

点赞数

文章标签：动态规划深度优先算法

于 2022-03-17 21:24:31 首次发布

本文链接：https://blog.csdn.net/qq_45806136/article/details/123555589

版权

1、0-1背包

Acwing链接
题目描述：
有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。
第 i 件物品的体积是 vi，价值是 wi。
求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。
输出最大价值。

输入格式
第一行两个整数，N，V，用空格隔开，分别表示物品数量和背包容积。

接下来有 N 行，每行两个整数 vi,wi，用空格隔开，分别表示第 i 件物品的体积和价值。

输出格式
输出一个整数，表示最大价值。

数据范围
0<N,V≤1000
0<vi,wi≤1000

题解：

（1）、DFS暴力搜索

#include <iostream>
using namespace std;

int n, m, res = 0;
const int N = 1010;
int v[N], w[N];

void DFS(int index, int sumV, int sumW){
    //从第index号物品开始选择，当前背包的重量是sumV，体积是sumW
    if (sumV > m)   return ;//当前重量已经超过了背包的最大容量，直接返回
    if (index == n){
        res = max(res, sumW);
        return;
    }
    //对于每种物品而言，都有选和不选这两个方法
    DFS(index+1, sumV, sumW);   //不选第index号物品
    DFS(index+1, sumV+v[index], sumW+w[index]); //选第index号物品
    
}

int main(){
    cin>>n>>m;
    for (int i = 0; i < n; i++) cin>>v[i]>>w[i];
    DFS(0, 0, 0);
    cout<<res<<endl;
    return 0;
}

算法的时间复杂度是O(2^n)，空间复杂度是O(n+m)，当n<= 30时，可以使用这种方法

（2）DFS+剪枝

在选第index号物品时，我们可以先判断当前物品加入背包之后，是否会超过背包的最大容量，如果超过则不加入

#include <iostream>
using namespace std;

int n, m, res = 0;
const int N = 1010;
int v[N], w[N];

void DFS(int index, int sumV, int sumW){
    if (index == n){
        res = max(res, sumW);
        return;
    }
    //对于每种物品而言，都有选和不选这两个方法
    DFS(index+1, sumV, sumW);   //不选第index号物品
    if (sumV + v[index] <= m)   //只有物品加入背包之后，不会超过背包的最大容量，才选第index号物品
        DFS(index+1, sumV+v[index], sumW+w[index]); 
    
}

int main(){
    cin>>n>>m;
    for (int i = 0; i < n; i++) cin>>v[i]>>w[i];
    DFS(0, 0, 0);
    cout<<res<<endl;
    return 0;
}

虽然和之前的DFS相比，做了剪枝减少了很多不必要的判断，但当n = 100时，还是会发生超时，那么就只能用到下面的动态规划了

（3）动态规划(Dynamic Programming，简称 DP)

在这里插入图片描述
我们采用dp[i][j]来表示选择前i件物品，最大容量为j能够获得的最大价值
（1）边界情况
当不放物品，即背包的容量为0时，能够获得的价值也是0

for (int i = 0; i <= n; i++)	dp[i][0] = 0;
//背包中没有物品

for (int i = 0; i <= m; i++)	dp[0][j] = 0
//不选任何一个物品

#include <iostream>
#include <algorithm>
using namespace std;

int n, m;
const int N = 1010;
int dp[N][N], v[N], w[N];

int main(){
    cin>>n>>m;
    for (int i = 1; i <= n; i++)    cin>>v[i]>>w[i];
    //边界情况的预处理
    for (int i = 0; i <= m; i++)    dp[0][i] = 0;
    for (int i = 0; i <= n; i++)    dp[i][0] = 0;
    for (int i = 1; i <= n; i++){
        for (int j = 1; j <= m; j++){
            //状态转移方程：dp[i][j] = max(dp[i-1][j], dp[i-1][j-v[i]] + w[i])
            //dp[i-1][j]表示在前i-1件物品中选择，并且容量不超过j能获得的最大价值
            //dp[i-1][j-v[i]]+w[i]表示，选择第i件物品，再加上在前i-1件物品中容量不超过j-v[i]能够获得的最大价值
            dp[i][j] = dp[i-1][j];
            if (v[i] <= j)  dp[i][j] = max(dp[i-1][j], dp[i-1][j-v[i]] + w[i]);
        }
    }
    cout<<dp[n][m]<<endl;
    return 0;
}

算法的时间复杂度O(n * m)，空间复杂度O(n * m)，主要是开辟的dp数组是n*m的一个二维数组
dp[i][j]只和他上一行的两个数有关，和上一行之前的数没有关系，所有可以使用滚动数组来对空间进行优化
在这里插入图片描述

int dp[N];

for (int i = 1; i <= n; i++){
	for (int j = m; j >= v[i]; j--)
		dp[j] = max(dp[j], dp[j-v[i]]+w[i]);
		//注意这里j是从大到小枚举，因为dp[i][j] = max(dp[i-1][j], dp[i-1][j-v[i]] + w[i]);
		//如果从小到大进行枚举,dp[j-v[i]]实际上表示的是dp[i][j-v[i]]
}

2、完全背包

题目链接
题目描述：
有 N 种物品和一个容量是 V 的背包，每种物品都有无限件可用。

第 i 种物品的体积是 vi，价值是 wi。

求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。
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，每行两个整数 vi,wi，用空格隔开，分别表示第 i 种物品的体积和价值。

输出格式
输出一个整数，表示最大价值。

数据范围
0<N,V≤1000
0<vi,wi≤1000

输入样例
4 5
1 2
2 4
3 4
4 5

输出样例：
10

题解：
状态转移方程：
dp[i][j] = max(dp[i-1][j], dp[i-1][j-v[i]], dp[i-1][j-2v[i]]+2w[i]…dp[i-1][j-kv[i]]+kw[i])

#include <iostream>
using namespace std;

int n, m;
const int N = 1010;
int v[N], w[N], dp[N][N];

int main(){
    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++){
            for (int k = 0; k*v[i] <= j; k++)
                dp[i][j] = max(dp[i][j], dp[i-1][j - k * v[i]] + k * w[i]);
                //dp[i][j] = max(dp[i-1][j], dp[i-1][j-v[i]], dp[i-1][j-2v[i]]+2w[i]....dp[i-1][j-kv[i]]+kw[i])
                //背包容量是有限的，这里假设最多能装k件i号物品
        }
    }
    cout<<dp[n][m];
    return 0;
}

算法的时间复杂度是O(n * m * k)，空间复杂度O(n * m)
优化：
dp[i , j ] = max( dp[i-1,j] , dp[i-1,j-v]+w , dp[i-1,j-2v]+2w , dp[i-1,j-3v]+3w , …)
dp[i , j-v]= max( dp[i-1,j-v] , dp[i-1,j-2v] + w , dp[i-1,j-3v]+2*w , …)
由上两式，可得出如下递推关系：
dp[i][j]=max(dp[i,j-v]+w , dp[i-1][j])

#include <iostream>
using namespace std;

int n, m;
const int N = 1010;
int v[N], w[N], dp[N][N];

int main(){
    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++){
            if (j < v[i])
                dp[i][j] = dp[i-1][j];//第i件物品放不下
            if (j >= v[i])            
                //算法优化之后的状态转移方程dp[i][j] = max(dp[i-1][j], dp[i][j-v[i]] + w[i])
                dp[i][j] = max(dp[i-1][j], dp[i][j-v[i]]+w[i]);
        }
    }
    cout<<dp[n][m];
    return 0;
}

利用滚动数组对空间进行进一步优化：
这里和0-1背包的优化有点不同，0-1背包中为了需要用到上一行的dp[i-1][j]和dp[i-1][j-v[i]]
所以j是从大到小进行枚举的，防止dp[i][j-v[i]]被覆盖
但这里的dp[i][j] = max(dp[i-1][j], dp[i][j-v[i]] + w)
需要用到上一行的数，和当前行左边的数，所以是从小到大进行枚举

#include <iostream>
using namespace std;

int n, m;
const int N = 1010;
int v[N], w[N], dp[N];

int main(){
    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++){
            dp[j] = max(dp[j], dp[j-v[i]] + w[i]);
        }
    }
    cout<<dp[m];
    return 0;
}

3、多重背包问题

多重背包问题I
问题描述
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

题解
多重背包问题和0-1背包问题的区别在于物品的数量是固定的，第i件物品的数量是s[i]
dp[i][j] = max(dp[i-1][j], dp[i-1][j-v[i]]+w[i], dp[i-1][j-2v[i]]+2w[i]…dp[i-1][j-kv[i]]+kw[i])
其中0<= k <= s[i]

#include <iostream>
#include <algorithm>
using namespace std;

int n, m;
const int N = 110;
int v[N], w[N], s[N];
int dp[N][N];

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 = 1; j <= m; j++){
            for (int k = 0; k <= s[i] && k * v[i] <= j; k++)
                dp[i][j] = max(dp[i][j], dp[i-1][j-k*v[i]]+k*w[i]);
        }
    }
    cout<<dp[n][m];
    return 0;
}

算法的时间复杂度为O(nms)，空间复杂度O(n*m)

（2）多重背包问题 II
多重背包II
问题描述和多重背包I的描述一致，区别在于输入的大小：
0<N≤1000
0<V≤2000
0<vi,wi,si≤2000
如果采用上一题的做法，根据题目所给的数据范围毫无疑问会产生超时
这里需要用到二进制优化：
参考题解

4、分组背包

分组背包
问题描述
有 N 组物品和一个容量是 V 的背包。
每组物品有若干个，同一组内的物品最多只能选一个。
每件物品的体积是 vij，价值是 wij，其中 i 是组号，j 是组内编号。
求解将哪些物品装入背包，可使物品总体积不超过背包容量，且总价值最大。
输出最大价值。

输入格式
第一行有两个整数 N，V，用空格隔开，分别表示物品组数和背包容量。
接下来有 N 组数据：
每组数据第一行有一个整数 Si，表示第 i 个物品组的物品数量；
每组数据接下来有 Si 行，每行有两个整数 vij,wij，用空格隔开，分别表示第 i 个物品组的第 j 个物品的体积和价值；

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<Si≤100
0<vij,wij≤100
输入样例
3 5
2
1 2
2 4
1
3 4
1
4 5
输出样例：
8

dp[i][j]表示在前i组物品中，容量不超过j能够获得的最大价值
dp[i][j] = max(dp[i-1][j], dp[i-1][j-v[i][k]]+w[i][k])
其中1 <= k <= s[i]

#include <iostream>
#include <algorithm>
using namespace std;

int n, m;
const int N = 110;
int dp[N][N], v[N][N], w[N][N];
int s[N];

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