acwing算法基础课——背包问题笔记

背包问题：

1. 01背包问题（每件物品只使用一次）
2. 完全背包问题（每件物品可以重复使用）
3. 多重背包问题
4. 分组背包问题 （物品有n组，每组物品有若干种，一组物品中只能选一种）

---

---

前言

本来是打算按照acwing算法基础课的顺序学的，但是对背包问题比较感兴趣，就想先把背包问题给学完。

---

一、01背包问题

1.1 题目描述

1.2 问题分析

背包问题如何表示当前状态？

容易知道背包问题的直观状态是二维的。
则

f(i,j): 表示在选择i件物品的情况下，体积不大于j的最大价值。

则答案容易知道是 f(N,V)
那么如何计算 f（N，V）？

划分情况

f(i,j)可以选择两种情况： 一种是选择第i件物品，一种是不选择第i件物品。

进行状态计算——集合划分（集合应该如何划分）

可以把f(i,j)这个状态的集合分为两个子集合

即一个是不选择第i件物品的集合，一个是选择第i件物品的集合。

不含i就是相当于从前1~i-1个物品当中选，那么左边的集合状态就可以表示为f(i-1,j)。




含i就是从1~i个物品当中选，
从1~i个物品中选，还要包含第i个物品，那么f(i,j)相当于是前i-1个物品的最大价值加上第i个物品的价值

而 前i-1个物品的最大价值是f(i-1,j-v[i])

则右边集合可以表示为：
f(i,j) = f(i-1,j-v[i])+w[i];

那么左右集合结果都出来了，那么该f(i,j)集合最大值应该如何表示？

1.3 状态表达式

易得 f(i,j) = max(f(i-1,j),f(i-1,j-v[i])+w[i])

1.4 朴素代码（二维）：

#include<iostream>
using namespace std;

const int N =  1010;

int n,m;
int v[N],w[N];
int f[N][N];
int main()
{
    cin>>n>>m;
    
    for(int i= 1;i<=n;i++) cin>>v[i]>>w[i];
    
    //f[0][0~m] = 0,可以不写，默认为0
    
    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]) 说明当前背包容量不能放下第i件物品
            if(j>=v[i]) f[i][j] = max(f[i-1][j],f[i-1][j-v[i]]+w[i]);
        }
    }
    
    cout<<f[n][m];
}

1.5 优化代码（一维）

优化思路：

f(i)这一层只用到了f(i-1),而f(j)这一层，无论是j-v[i]还是j，都是小于等于j的,所以考虑可以用一维数组来做。

#include<iostream>
using namespace std;

const int N =  1010;

int n,m;
int v[N],w[N];//v代表体积，w代表价值
int f[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 = m;j>=v[i];j--) //if(j从0到v[i]是无法进入判断的，所以可以优化循环里的j从v[i]开始)
        {
            f[j] = max(f[j],f[j-v[i]]+w[i]);
            //而直接删除f[i]一行不可取
            //因为删除后：f[j] = max(f[j],f[j-v[i]]+w[i]);
            //而正确的状态转移方程是：f[i][j] = max(f[i][j],f[i-1][j-v[i]]+w[i]);
            //删除后就相当于是        f[i][j] = max(f[i][j],f[i][j-v[i]]+w[i]),与原方程不等价
        }
    }
    
    cout<<f[m];
}

关键代码：

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

将题目所给案例带入验证：

二、完全背包问题

2.1 问题描述

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

2.2问题分析

2.3朴素代码

#include<iostream>
using namespace std;

const int N = 1010;

int f[N][N];
int n,m;
int v[N],w[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++)
            {
                f[i][j] = max(f[i][j],f[i-1][j-k*v[i]]+w[i]*k);
            }
        }
    }
    cout<<f[n][m];
}

2.4优化思路！

我们发现：
f[i][j] = max(f[i-1][j],f[i-1][j-v]+w,f[i-1][j-2v]+2w,f[i-1][j-3v]+3w....) （1）式
f[i][j-v]=max(f[i-1][j-v],f[i-1][j-2v]+w,f[i-1][j-3v]+2w,f[i-1][j-4v]+3w..) (2) 式

是不是很像等差数列？？
则我们易有
f[i][j-v]+w =  max(f[i-1][j-v]+w,f[i-1][j-2v]+2w,f[i-1][j-3v]+3w,f[i-1][j-4v]+4w..)

则f[i][j] = max(f[i-1][j],f[i][j-v]+w)
则可以写出以下优化代码：

2.4.1 优化代码（O(n^2))

#include<iostream>
using namespace std;

const int N = 1010;
int n,m;
int v[N],w[N];
int f[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++)
        {
            f[i][j] = f[i-1][j];
            if(j>=v[i])
                f[i][j] = max(f[i][j],f[i][j-v[i]]+w[i]);
        }
    }
    cout<<f[n][m];
}

2.4.2 再优化~

类比01背包问题的优化，上述代码还可以再优化

#include<iostream>
using namespace std;

const int N = 1010;
int n,m;
int v[N],w[N];
int f[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++)
        {
             if(j>=v[i])
                f[j] = max(f[j],f[j-v[i]]+w[i]);
        }
    }
    cout<<f[m];
}

观察01背包问题和完全背包问题的代码：

//01背包问题
#include<iostream>
using namespace std;

const int N =  1010;

int n,m;
int v[N],w[N];//v代表体积，w代表价值
int f[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 = m;j>=v[i];j--) 
        {
            f[j] = max(f[j],f[j-v[i]]+w[i]);
        }
    }
    
    cout<<f[m];
}

//完全背包问题
#include<iostream>
using namespace std;

const int N = 1010;
int n,m;
int v[N],w[N];
int f[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++)
        {
                f[j] = max(f[j],f[j-v[i]]+w[i]);
        }
    }
    cout<<f[m];
}

三.多重背包问题

3.1 题目描述

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

3.2 暴力写法（O(n^3))

#include<iostream>
using namespace std;

const int N = 110;
int f[N];
int v[N],w[N],s[N];
int m,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 = m;j>=v[i];j--)
        {
            for(int k = 1;k*v[i]<=j&&k<=s[i];k++)
            {
                f[j] = max(f[j],f[j-k*v[i]]+k*w[i]);
            }
        }
    }
    cout<<f[m];
}

当数据增大以后：

3.3 优化版本！

//不能像下面这样优化完全背包问题一样来优化多重背包问题。
f[i,j] = max(f[i-1,j],f[i-1,j-v]+w,f[i-1,j-2v]+2w,..f[i-1,j-sv]+sw)
f[i,j-v]=max(         f[i-1,j-v],  f[i-1,j-2v]+w,...f[i-1,j-sv]+(s-1)w,f[i-1,j-(s+1)v]+sw)

优化方法：

二进制优化
假设一共有1023个物品
可以遍历从0~1023
也可以将1023个物品打包
分别打包为许多组含不同个数的物品
比如：1，2，4，8，16，32，64，128，256，512一共分成十组

我们可以从上面十组中凑出1024个物品。 1:0~1
2:0~3
4:0~7
8:0~15

例：s = 200
则 可以分组为1,2,4,8,16,32,64,73 (7组)

//二进制优化

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

const int N = 12010;
int v[N],w[N],s[N];
int f[N];

int n,m;//表示物品种类和背包容积
int main()
{
    cin>>n>>m;  
    int cnt = 0;
    for(int i = 1;i<=n;i++)
    {
        int a,b,s;
        cin>>a>>b>>s;


        int k = 1;
        while(k<=s)
        {
            cnt++;
            v[cnt] = k*a;
            w[cnt] = k*b;
            s-=k;
            k*=2;
        }
        if(s>0)
        {
            cnt++;
            v[cnt] = s*a;
            w[cnt] = s*b;
        }
    }
    n = cnt; //n表示转化为二进制后背包的大小
    
    //开始01背包问题优化
    for(int i = 1;i<=n;i++)
    {
        for(int j = m;j>=v[i];j--)
        {
            f[j] = max(f[j],f[j-v[i]]+w[i]);
        }
    }
    cout<<f[m];
}

四.分组背包问题

4.1 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

4.2 AC代码

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

const int N = 110;

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