定义
背包问题是动态规划的经典问题之一。根据物品限制条件的不同,背包问题可分为01背包、完全背包、多重背包、分组背包和混合背包(前4种背包的混合)等。
一、01背包
求解
(1)确定状态:c[i][j]表示前i种物品放入容量为j的背包中获得的最大价值。
(2)划分状态:第i阶段处理第i种物品,第i-1阶段处理第i-1种物品。当处理第i种物品时,前i-1种物品已处理完毕,只需考虑第i-1阶段向第i阶段的转移。
(3)决策选择。若背包容量不足,则不能放入,价值仍为前i-1种物品处理后的结果;若背包容量充足,则考察放入、不放入哪种情况获得的价值更大。
误认为容量够时,放入比不放入价值更大,但注意放入会导致j-w[i],容量变了
(4)边界条件。c[0][j]=0,c[i][0]=0(物品数量和容量为0,价值都为0)
举例
for(int i=1;i<=n;i++){
for(int j=1;j<=W;j++){
if(j<w[i])
c[i][j]=c[i-1][j];
else
c[i][j]=max(c[i-1][j],c[i-1][j-w[i]]+v[i]);
}
}
拓展延伸
得到最大价值(最优值)后,还想知道具体放入了哪些物品。
①从右下角开始(i=n,j=W)
②若c[i][j]>c[i-1][j],则第i个物品放进去了,x[i]=1(标记放了),j=j-w[i]
若c[i][j]<=c[i-1],则第i个物品没放进去,x[i]=0(标记没放)。
③i--,转向第2步,直到i=0
算法优化
求解第i行时,只需要第i-1行的结果,前面的结果已经没用了;而求解c[i][j]时,只需要上一行j列或上一行j-w[i]列的结果。我们可以进行空间优化。
斐波那契:fn=fn-1+fn-2,fn-2=fn-1,fn-1=fn
求解第i行,只需一个一维数组倒推即可。
为什么不正推?
for(int i=1;i<=n;i++){
for(int j=W;j>=w[i];j--){
dp[j]=max(dp[j],dp[j-w[i]]+v[i]);
}
}
练习题
Bone Collector
知道是01背包后就简单了
#include<iostream>
#include<cstdio>
#include <cstring>
#define ll long long
#define INF 0x3f3f3f3f
using namespace std;
const int N=1000;
int n,v;
ll value[N+1],volume[N+1],dp[N+1];
void solve(){
for(int i=1;i<=n;i++){
for(int j=v;j>=volume[i];j--){
dp[j]=max(dp[j],dp[j-volume[i]]+value[i]);
}
}
printf("%d\n",dp[v]);
}
int main()
{
int t;
scanf("%d",&t);
for (int i = 1; i <= t; i++){
scanf("%d",&n);
scanf("%d",&v);
for(int j=1;j<=n;j++)
scanf("%d",&value[j]);
for(int j=1;j<=n;j++)
scanf("%d",&volume[j]);
memset(dp,0,sizeof(dp));//注意清0
solve();
}
return 0;
}
二、完全背包
物品数量没有限制:每种物品有无限个,可以多次放入。采用正推形式求解。
for(int i=1;i<=n;i++){
for(int j=w[i];j<=W;j++){
dp[j]=max(dp[j],dp[j-w[i]]+v[i]);
}
}
练习题
Piggy-Bank
从题中可知,硬币的数量是无限的,所以这道题是完全背包问题,但这里求的最小价值,且需要准确达到质量,不能小于质量。前面的完全背包问题中,我们求最大值时并不要求刚好装满。
所以我们需要将代码进行变形。
①memset(dp,INF,sizeof(dp)); dp[0]=0;
最小值需要设为∞,若为0,0就是最小的。
②dp[j]=min(dp[j],dp[j-weight[i]]+value[i])
假设只有一个硬币价值30,质量50,dp[50]=30,dp[51]=∞,可以满足准确达到质量的要求。
#include<iostream>
#include<cstdio>
#include <cstring>
#define ll long long
#define INF 0x3f3f3f3f
using namespace std;
const int N=500;
const int M=10000;
int e,f,n;
int value[N+1],weight[N+1];
int dp[M+1];//dp[j] 表示重量为 j 的钱罐的最小花费
void solve(){
dp[0]=0;//重量为 0 的钱罐不需要花费,没有硬币重量不为零时是无解的
for(int i=1;i<=n;i++){
for(int j=weight[i];j<=(f-e);j++){
dp[j]=min(dp[j],dp[j-weight[i]]+value[i]);
}
}
if(dp[f-e]==INF)printf("This is impossible.\n");
else printf("The minimum amount of money in the piggy-bank is %d.\n",dp[f-e]);
}
int main()
{
int t;
scanf("%d",&t);
for(int i=0;i<t;i++){
scanf("%d",&e);
scanf("%d",&f);
scanf("%d",&n);
for(int i=1;i<=n;i++){
scanf("%d",&value[i]);
scanf("%d",&weight[i]);
}
memset(dp,INF,sizeof(dp));//将所有元素初始化为无穷大(表示无解)
solve();
}
return 0;
}
三、分组背包
有组物品,每一组选一个物品或不选(类似于01背包,选或不选),使得背包内的物品价值总和最大。
用01背包思路来考虑,c[i][j]表示前i组物品放入容量为j的背包中获得的最大价值。
v[i][k]和w[i][k]分别表示第i组物品中第k个物品的价值和重量。
和01背包一样,分组背包也能空间优化,不考虑前面的元素。
for(int i=1;i<=n;i++){
for(int j=W;j>=1;j--){//遍历背包容量
for(int k=1;k<=W;k++){//不同的背包容量,遍历第i组物品,选一个或不选第i组内的物品
if(j>=w[i][k])
dp[j]=max(dp[j],dp[j-w[i][k]+v[i][k]);
}
}
}
若第二层循环和第三层循互换。第i组第k个物品,遍历所有的背包容量,可能会使得第i组多个物品被放入背包中。
练习题
#include<iostream>
#include<cstdio>
#include <cstring>
#define ll long long
#define INF 0x3f3f3f3f
using namespace std;
const int N=100;
int n,m;
int value[N+1][N+1],dp[N+1];
void solve(){
for(int i=1;i<=n;i++){
for(int j=m;j>=1;j--){
for(int k=1;k<=m;k++){
if(j>=k)
dp[j]=max(dp[j],dp[j-k]+value[i][k]);
}
}
}
printf("%d\n",dp[m]);
}
int main()
{
while(cin>>n>>m&&n&&m){
for(int i=1;i<=n;i++){
for(int j=1;j<=m;j++){
scanf("%d",&value[i][j]);
}
}
memset(dp,0,sizeof(dp));
solve();
}
return 0;
}
四、多重背包
物品数量是有限个,第i种物品有ci个。可以通过暴力拆分或二进制拆分将多重背包问题转化为01背包问题,也可以通过数组优化解决可行性问题。
暴力拆分
暴力拆分指将第i中物品看作ci种独立的物品,每种物品只有 一个,转化为01背包问题。
for(int i=1;i<=n;i++)
for(int k=1;k<=c[i];k++)//多一层循环
for(int j=W;j>=w[i];j--)
dp[j]=max(dp[j],dp[j-w[i]]+v[i]);
二进制拆分
将c[i]个物品拆分成若干种新物品。存在一个最大的整数p,使,剩余部分用表示,这可以将c[i]拆分为p+2个数:。
举例:假设有9个苹果,可以将这些苹果分成(1)、(1+1)、(1+1+1+1)、(1+1)四组,打包后得到4个不同的苹果:1、2、4、2,转换成了01背包。
for(int i=1;i<=n;i++){
if(c[i]*w[i]>=W){//相当于数量无限,可转化完全背包
for(int j=w[i];i<=W;j++)
dp[j]=max(dp[j],dp[j-w[i]]+v[i]);
}
else{
for(int k=1;c[i]>0;k<<=1){
int x=min(k,c[i]);//如果k小,目前的物品是k*w[i],如果c[i]小,目前的物品是Ri*w[i]
for(int j=W;j>=x*w[i];j--)
dp[j]=max(dp[j],dp[j-x*w[i]]+x*v[i]);
c[i]-=x;
}
}
}
数组优化
若不要求最优值,仅关注可行性(如面值是否能拼成)可用数组优化。用一个数组来记录使用了多少个第i种物品。
memset(dp,false,sizeof(dp));//dp[j]表示前i种硬币是否可以拼成价格j
int ans=0;//记录拼出的价格个数
dp[0]=true;
for(int i=1;i<=n;i++){//遍历每种硬币
memset(num,0,sizeof(num));//num[j]表示拼成价格j时用了多少个第i种硬币
for(int j=v[i];j<=W;j++){//遍历价格范围,从硬币的面值 v[i] 开始,到目标价格 W 结束
if(!dp[j]&&dp[j-v[i]]&&num[j-v[i]]<c[i]){//当前价格 j 没有被拼出过,能够使用前 i 种硬币拼出价格为 j - v[i],拼出价格为 j - v[i] 时使用的第 i 种硬币数量小于其限制数量 c[i]
dp[j]=true;
num[j]=num[j-v[i]]+1;
ans++;
}
}
}
练习题
#include<iostream>
#include<cstdio>
#include <cstring>
#define ll long long
#define INF 0x3f3f3f3f
using namespace std;
const int N=100;
const int M=100000;
int n,m;
int value[N+1],counts[N+1],nums[M+1];
bool dp[M+1];
void solve(){
memset(dp,false,sizeof(dp));
int ans=0;
dp[0]=true;
for(int i=1;i<=n;i++){
memset(nums,0,sizeof(nums));
for(int j=value[i];j<=m;j++){
if(!dp[j]&&dp[j-value[i]]&&nums[j-value[i]]<counts[i]){
ans++;
nums[j]=nums[j-value[i]]+1;
dp[j]=true;
}
}
}
printf("%d\n",ans);
}
int main()
{
scanf("%d",&n);
scanf("%d",&m);
while(n!=0&&m!=0){
for(int i=1;i<=n;i++)
scanf("%d",&value[i]);
for(int i=1;i<=n;i++)
scanf("%d",&counts[i]);
solve();
scanf("%d",&n);
scanf("%d",&m);
}
return 0;
}