文章目录
前言
对于学习算法的小伙伴来说,背包问题是绕不过去的一道槛,针对常见的背包问题,结合自身学习过程中遇到的感悟,总结了常见背包问题的种类和变形,给出了相关的代码实现~
一、背包问题种类
二、背包问题算法模板
1.01背包问题
f(i, j) 表示从前 i 种物品中选择且总体积不超过 j 的方案
属性:max 价值
for (int i = 1; i <= N; i ++) {
for (int j = 1; j <= V; j++) {
if (j < v[i]) {
f[i][j] = f[i - 1][j];
}else{
f[i][j] = max(f[i - 1][j], f[i - 1][j - v[i]] + w[i]);
}
}
}
一维写法:
for (int i = 1; i <= N; i ++) {
for (int j = V; j >= v[i]; j --) { //需要用上一层的结果,由大到小枚举体积,这样来保证使用的上一层数据
f[j] = max(f[j], f[j - v[i]] + w[i]); // 保证了f[j-v[i]]是f[i-1][j-v[i]]的结果
}
}
2.完全背包问题
// 所选物品没有个数限制
for (int i = 1; i <= N; i++) {
for (int j = 1; j <= V; j ++) {
for (int k = 0; k * v[i] <= j; k ++) {
f[i][j] = max(f[i][j], f[i - 1][j - k * v[i]] + k * w[i]); // 枚举选的个数
}
}
}
优化方法:公式规律
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,...)
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][j]=max(f[i-1][j],f[i][j-v]+w)
for (int i = 1; i <= N; i ++) {
for (int j = 1; j <= V; j ++) {
if (j < v[i]) {
f[i][j] = f[i - 1][j];
} else {
f[i][j] = max(f[i - 1][j], f[i][j - v[i]] + w[i]); // 当 j >= v[i]时,[j - v[i]]才会存在
}
}
}
一维写法:
for (int i = 1; i <= N; i ++) {
for (int j = v[i]; j <= V; j ++) { //使用的是本层的结果,由小到大枚举体积
f[j] = max(f[j], f[j - v[i]] + w[i]);
}
}
3.分组背包问题
// 每组物品有若干个,同一组内的物品最多只能选一个
for (int i = 1; i <= n; i ++) {
for (int j = 1; j <= m; j ++) {
f[i][j] = f[i - 1][j]; //不选第i组中的物品
for (int k = 1; k <= s[i]; k ++){ //选择第i组中的第k个物品,做一个比较
if (j >= v[i][k]) {
f[i][j] = max(f[i][j], f[i - 1][j - v[i][k]] + w[i][k]);
}
}
}
}
4.有依赖背包问题
树形dp问题
5.多重背包问题1
// 所选物品有最大个数限制
for(int i = 1; i <= N; i ++) {
for(int j = 1; j <= V; j ++) {
for(int k = 0; k <= s[i] && v[i] * k <= j; k ++) { //和完全背包相比多了一个最大个数的限制
f[i][j] = max(f[i][j], f[i - 1][j - k * v[i]] + k * w[i]);
}
}
}
6.多重背包问题2
核心思想:二进制优化,将多重背包问题优化成01背包问题,有一说一挺妙的
比如说第i个物品有200个,二进制划分成 1,2,4,8,16,32,64,73 共八份,通过这八份选或不选可以组成0-200中的所有数
// a[i]表示体积,b[i]表示价值
int cnt = 0;
for (int i = 1; i <= n; i ++) {
int v, w, s;
cin >> v >> w >> s;
int k = 1;
while (k <= s) {
cnt ++;
a[cnt] = k * v;
b[cnt] = k * w;
s -= k;
k *= 2;
}
if (s > 0) {
cnt ++;
a[cnt] = s * v;
b[cnt] = s * w;
}
}
n = cnt;
// 接下来01背包的过程省略
7.多重背包问题3
单调队列优化背包问题
8.混合背包问题
01背包: f[i][j] = max(f[i-1][j], f[i-1][j-v]+w)
多重背包:f[i][j] = max(f[i-1][j], f[i-1][j-v]+w, f[i-1][j-2v]+2w,.....f[i-1][j-kv]+kv)
完全背包:f[i][j] = max(f[i-1][j], f[i][j-v]+w)
01背包和多重背包可以合并在一起当作多重背包处理,其中多重背包用二进制进行优化
9.二维费用背包问题
二维费用问题实质上和一维费用问题没有任何区别,多一个维度表示新的限制罢了
10.求具体方案的背包问题
1.循环倒过来
2.dp过程中用一个新数组记录
11.求最优解方案数的背包问题
状态表示:除了原有的 f(i, j),还需要 g(i, j) 表示 f(i, j) 达到最大值的方案数
状态划分:第一类如果不选第 i 个物品达到最大值,则加上g(i-1, j) ;第二类如果选第 i 个物品达到最大值,则加上g(i-1, j-v)
总结
本文仅用于学习交流记录,欢迎各位小伙伴来讨论~
上述内容是大学期间在Acwing算法平台学习背包问题时的一些收获,与大家共同分享~