引入
有这样一个问题:楼梯有N阶,可以一步上1阶,也可以上2阶,问N阶楼梯有多少种走法
题目链接 洛谷P1225
- 如果用搜索的方法,每次有两种方法,那么增长速度是指数级的,时间复杂度很大
- 那么可以这样考虑,如何才能走到第N阶楼梯呢?,只能从第N-1阶上1阶或者从第N-2阶上2阶得到,也就是说dp[N]=dp[N-1]+dp[N-2],这其实是一种动态规划(Dynamic Programming,DP)的思想,把一个大问题分解成许多小问题,通过求解小问题得到大问题的解,所得到的方程就是动态规划的状态转移方程,那么对于这道题编写程序如下
这道题后面答案比较大,需要高精度处理,为了规避这个不必要的麻烦,使用python
n = int(input())
dp = list()
dp.append(0)
dp.append(1)
dp.append(2)
for i in range(3, n + 1):
dp.append(dp[i - 1] + dp[i - 2])
print(dp[n])
- 通过上面的问题,我们对于动态规划有了初步的认识,接下来深入研究一下
硬币找零问题
- 这也是一种动态规划的问题,比如有N块钱,现在有5种不同面值的硬币,分别为1, 5, 10 ,25, 50,问找零方案有多少种
- 其实通过上面楼梯问题可以感觉到,硬币找零是一种变相的楼梯问题,可以通过递推得到答案,比如开始的时候是1块钱,那么1块钱只有一种方案,那么1块钱可以转移到2,6,11,26,51块钱,方案数都是相对于1块钱时+1,那么可以编写程序如下
#include <iostream>
#include <algorithm>
#include <cstdio>
#include <cstring>
#include <string>
#include <cmath>
#include <iomanip>
#include <queue>
#include <stack>
#include <map>
using namespace std;
typedef long long ll;
const int INF = 0x3f3f3f3f;
const int MAXN = 2e5+100;
int Data[MAXN];
int coins[5] = {1, 5, 10, 25, 50};
int dp[MAXN];
int main(){
int n;
cin>>n;
dp[0] = 1;
for(int i=0;i<5;i++){
for(int j=coins[i];j<=n;j++){
dp[j] += dp[j - coins[i]];
}
}
cout<<dp[n];
return 0;
}
hdu2069
这道题就是上个问题的加强版,现在加了一个条件,硬币数量现在有限,问方案数
- 再用上面的程序就是不对的,因为上面程序适用于硬币数量无限的情况,因为它太简略了,中间的信息都没有记录下来,现在使用一个二维数组来dp,第一维含义是钱数,第二维是硬币数,与上一程序区别是dp的过程中少一个硬币,数组第二维-1,打表
#include <iostream>
#include <algorithm>
#include <cstdio>
#include <cstring>
#include <string>
#include <cmath>
#include <iomanip>
#include <queue>
#include <stack>
#include <map>
using namespace std;
typedef long long ll;
const int INF = 0x3f3f3f3f;
const int MAXN = 2e5+100;
int Data[MAXN];
int coins[5] = {1, 5, 10, 25, 50};
int dp[1000][1000];
int main(){
int n;
dp[0][0] = 1;
for(int i=0;i<5;i++){
for(int j=1;j<=100;j++){
for(int k=coins[i];k<=250;k++){
dp[k][j] += dp[k - coins[i]][j - 1];
}
}
}
for(int i=0;i<=100;i++){
for(int j=0;j<=250;j++){
Data[j] += dp[j][i];
}
}
while(cin>>n) cout<<Data[n]<<endl;
return 0;
}
0-1背包
- 这是最经典的dp问题,每个物品有自身价值,物品有体积,背包有容积,每个物品最多只能选择一次,问最多装多少价值的物品。一般背包问题是对于可切分的物体而言的,这种问题用贪心求解,按单位价值排序;01背包指的是类似于吃自助餐的场景,肚子容量有限,自助餐只能一份一份吃,不能分开,这个时候就需要考虑怎么吃能使得吃到肚子里的东西价值最大
题目链接
这个问题是01背包模板题,使用二维数组dp记录价值,第一维表示装第几个商品,第二维表示背包容量,那么dp[i][j]等于多少取决于b[i]和j之间的关系,如果b[i]>j,那么只能放弃第i个商品,也就是dp[i][j]=dp[i-1][j];否则,可以装第i个商品,也可以不装,如果装,dp[i][j]=dp[i-1][j-b[i]]+b[i],意思是背包容量减小,价值增加,如果不装,那么和上一种情况相同
#include <iostream>
#include <algorithm>
#include <cstdio>
#include <cstring>
#include <string>
#include <cmath>
#include <iomanip>
#include <queue>
#include <stack>
#include <map>
using namespace std;
typedef long long ll;
const int INF = 0x3f3f3f3f;
const int MAXN = 2e5+100;
int Data[MAXN];
int dp[1005][1005];
int a[MAXN],b[MAXN];
int main(){
int t,n,v;
cin>>t;
while(t--){
cin>>n>>v;
for(int i=1;i<=n;i++) cin>>a[i];
for(int i=1;i<=n;i++) cin>>b[i];
for(int i=1;i<=n;i++){
for(int j=0;j<=v;j++){
if(j < b[i]) dp[i][j] = dp[i-1][j];
else{
dp[i][j] = max(dp[i-1][j], dp[i-1][j-b[i]]+a[i]);
}
}
}
cout<<dp[n][v]<<endl;
}
return 0;
}
骨头体积可能为0,j要从0开始
滚动数组
- 这样使用数组是很占空间的,想办法优化空间复杂度,发现dp过程中是根据二维dp数组上一行推导下一行的,而且是从左往右,所以考虑使用一维数组,在推导的时候从后往前推导防止错误覆盖(如果正序相当于每一件物品可以选择多次),将上一题改成滚动数组如下
int dp[1005];
int a[MAXN],b[MAXN];
int main(){
int t,n,v;
cin>>t;
while(t--){
cin>>n>>v;
memset(dp, 0, sizeof dp);
for(int i=1;i<=n;i++) cin>>a[i];
for(int i=1;i<=n;i++) cin>>b[i];
for(int i=1;i<=n;i++){
for(int j=v;j>=b[i];j--){
dp[j] = max(dp[j], dp[j - b[i]] + a[i]);
}
}
cout<<dp[v]<<endl;
}
return 0;
}
完全背包
- 此问题和 0 − 1 0-1 0−1背包的区别在于物品可以选择无限次,那么我们可以通过枚举第 i i i件物品有多少件,即 d p [ i ] [ j ] = m a x k = 0 ∞ ( d p [ i − 1 ] [ j − k × w i ] + v i × k ) dp[i][j]=max_{k=0}^{\infty}(dp[i-1][j-k\times w_i]+v_i\times k) dp[i][j]=maxk=0∞(dp[i−1][j−k×wi]+vi×k)
- 实际上
d
p
[
i
]
[
j
]
dp[i][j]
dp[i][j]只需要从
d
p
[
i
−
1
]
[
j
−
w
i
]
dp[i-1][j-w_i]
dp[i−1][j−wi]转移过来即可,可以发现和
0
−
1
0-1
0−1背包类似,有
d
p
[
i
]
[
j
]
=
m
a
x
k
=
0
∞
(
d
p
[
i
−
1
]
[
j
−
w
i
]
+
v
i
)
dp[i][j]=max_{k=0}^{\infty}(dp[i-1][j-w_i]+v_i)
dp[i][j]=maxk=0∞(dp[i−1][j−wi]+vi)
https://www.luogu.com.cn/problem/P1616
#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
int main(){
ios::sync_with_stdio(false);
cin.tie(0);
cout.tie(0);
int n, m;
cin >> n >> m;
vector<pair<int, ll> > a(m + 1);
for(int i=1;i<=m;i++){
cin >> a[i].first >> a[i].second;
}
vector<vector<ll> > dp(m + 1, vector<ll>(n + 1));
for(int i=1;i<=m;i++){
for(int j=0;j<=n;j++){
dp[i][j] = dp[i - 1][j];// 注意这里必须要继承上一个状态
if(a[i].first <= j){
dp[i][j] = max(dp[i - 1][j], dp[i][j - a[i].first] + a[i].second);
}
}
}
cout << dp[m][n] << '\n';
return 0;
}
滚动数组
- 因为转移是从此物品的第 k − 1 k-1 k−1个转移过来的,物品可以多次选择,所以需要正序枚举
#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
int main(){
ios::sync_with_stdio(false);
cin.tie(0);
cout.tie(0);
int n, m;
cin >> n >> m;
vector<pair<int, ll> > a(m + 1);
for(int i=1;i<=m;i++){
cin >> a[i].first >> a[i].second;
}
vector<ll> dp(n + 1);
for(int i=1;i<=m;i++){
for(int j=a[i].first;j<=n;j++){
dp[j] = max(dp[j - a[i].first] + a[i].second, dp[j]);
}
}
cout << dp[n] << '\n';
return 0;
}
多重背包
https://www.acwing.com/problem/content/4/
- 这个问题和 0 − 1 0-1 0−1背包的区别是物品分类,每一类物品最多有若干个,其余相同。如果数据范围很小,可以直接转化为 0 − 1 0-1 0−1背包。就是把若干个相同物品当作独立的。
#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
int main(){
ios::sync_with_stdio(false);
cin.tie(0);
cout.tie(0);
int n, V;
cin >> n >> V;
vector<int> s(n + 1), v(n + 1), w(n + 1);
for(int i=1;i<=n;i++){
cin >> v[i] >> w[i] >> s[i];
}
vector<vector<int> > dp(n + 1, vector<int>(V + 1));
for(int i=1;i<=n;i++){
for(int j=0;j<=V;j++){
for(int k=0;k<=s[i] && j >= v[i] * k;k++){
dp[i][j] = max(dp[i][j], dp[i - 1][j - v[i] * k] + k * w[i]);
}
}
}
cout << dp[n][V];
return 0;
}
- 二进制优化的思路是我们把每一个物品分成 1 , 2 , 4 , 8 , . . . 2 k 1,2,4,8,...2^k 1,2,4,8,...2k这样若干份,使得枚举的 k k k大大减少,达到 O ( n V l o g k ) O(nVlogk) O(nVlogk),这种思路的原理在于任何一个 > 1 >1 >1的自然数都能够拆成 2 2 2的幂次的形式。
#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
int main(){
ios::sync_with_stdio(false);
cin.tie(0);
cout.tie(0);
int n, V;
cin >> n >> V;
vector<int> v, w;
vector<int> dp(V + 1);
for(int i=1;i<=n;i++){
int a, b, c;
cin >> a >> b >> c;
int cnt = 1;
while(cnt <= c){
v.push_back(a * cnt);
w.push_back(b * cnt);
c -= cnt;
cnt <<= 1;
}
if(c > 0){
v.push_back(a * c);
w.push_back(b * c);
}
}
for(int i=0;i<(int)v.size();i++){
for(int j=V;j>=v[i];j--){
dp[j] = max(dp[j], dp[j - v[i]] + w[i]);
}
}
cout << dp[V] << '\n';
return 0;
}