背包DP问题（0/1背包，完全背包，多重背包，分组背包）

最新推荐文章于 2024-10-06 15:14:04 发布

JomQ

最新推荐文章于 2024-10-06 15:14:04 发布

阅读量1.1k

点赞数 6

分类专栏： DP 文章标签：算法动态规划数据结构

本文链接：https://blog.csdn.net/qq_51297926/article/details/119771766

版权

本文详细介绍了四种背包问题：0/1背包、完全背包、多重背包和分组背包。对于每种类型，阐述了问题模型、状态转移方程，并给出了具体的例子和代码实现。重点强调了0/1背包和完全背包中倒序循环的重要性，以及多重背包中使用贪心策略和单调队列的方法。

摘要由CSDN通过智能技术生成

0/1背包

问题模型

给定N个物品，其中第i个物品的体积为V_i，价值为W_i。有一个容积为M的背包。要求放入物品的总体积不超过M的情况下，总价值最高。

状态转移方程

F[i,j]表示从前i个物品里选出了总体积为j的物品放入背包，物品的最大价值和
请添加图片描述

例题

Description:

在N个数中找出其和为M的若干个数。先读入正整数N（1<N<100）和M(1<M<10000)，再读入N个正数（可以有相同的数字，每个数字均在1000以内），在这N个数中找出若干个数，使它们的和是M，把满足条件的数字组合都找出来以统计组合的个数，输出组合的个数（不考虑组合是否相同）。

Input:

第一行是两个数字，表示N和M。
第二行起是N个数。

Output:

就一个数字，表示和为M的组合的个数。

Sample Input:

4 4
1 1 2 2

Sample Output:

容量M,每个元素容积N(i),价值N(i)
我们先按照状态方程来列出代码框架。
先求出基础问题，最大价值是否是M
普通算法空间复杂度为O(MN)

#include<iostream>
using namespace std;
#include<vector>
// 普通算法
void jichu()
{
   
	int N[6] = {
    1,1,2,2 };
	int M = 4;
	int DP[10][10];
	
	// DP数组初状态
	if (N[0] <= M)
	{
   
		DP[0][0] = N[0];
	}
	else
	{
   
		DP[0][0] = 0;
	}

	// 用i-1求i，i要从1开始
	// N[1]开始
	for (int i = 1; i <= 4; i++)
	{
   
		for (int j = 0; j <= M; j++)
		{
   
			DP[i][j] = DP[i - 1][j];
		}
		for (int j = N[i]; j <= M; j++)
		{
   
			DP[i][j] = max(DP[i][j], DP[i - 1][j - N[i]] + N[i]);
		}
	}
}

用滚动数组降低开销
因为 i 阶段只与 i-1 阶段有关
我们把阶段i的状态存储在 i&1中
空间复杂度为O(2M)

void gundong()
{
   
	int N[6] = {
    7,1,2,2 };
	int n = 4;
	int M = 6;
	int DP[2][10];

	if (N[0] <= M)
	{
   
		DP[0][0] = N[0];
	}
	else
	{
   
		DP[0][0] = 0;
	}

	for (int i = 1; i <= 4; i++)
	{
   
		for (int j = 0; j <= M; j++)
		{
   
			DP[i & 1][j] = DP[(i - 1