三类背包问题

最新推荐文章于 2021-12-19 17:14:06 发布

Luffy531

最新推荐文章于 2021-12-19 17:14:06 发布

阅读量410

点赞数 1

分类专栏： ACM算法文章标签： DP 背包

本文链接：https://blog.csdn.net/u014357885/article/details/38302409

版权

ACM算法专栏收录该内容

106 篇文章 0 订阅

订阅专栏

01背包：有n件物品（每件都只有一个）和一个体积为V的背包。第i件物品的价值为val[i],体积为m[i]。现在需要在不超过背包容量的情况下，使得背包里的东西价值最大？

之所以叫这类问题为01背包，是因为每件物品都只有一个，那么就只有两种选择，放or不放。

可以定义二位数字dp[i][j] 表示在一个容量为j 的背包中放前i种物品得到的最大价值。（问题的状态）

由此可推得状态转移方程 dp[i][j]=max(dp[i-1][j],dp[i-1][j-m[i]]+val[i])。（状态转移方程）

---------------------------------------------------------------------------------------------------------理解---------------------------------------------------------------------------------------------------------------------

考虑第i个物品取还是不取。

若第i个物品不取，则dp[i][j]=dp[i-1][j]表示价值没有变。

若第i个物品要取，则dp[i][j]=dp[i-1][j-m[i]]+val[i] 表示在容量为j的背包，m[i]的部分放物品i，剩下j-m[i]的空间放i-1个物品。（若i的大小超过j，也是不取。）

然后比较2种情况的价值大小，取大的。

---------------------------------------------------------------------------------------------------------优化---------------------------------------------------------------------------------------------------------------------

考虑在更新第i行时只会利用第i-1行，而i-1行前面的都已经没有用了并且在后面的更新中也不会用到。所以可以用一维数组优化。

dp[j] 的意义和之前的一样，但循环时仍需i从1->n循环，而j从V->m[i]循环。原因是更新时需要前面的数据，所以需要从后面更新，而且当背包容量小于第i个物品的大小时，就可以不用优化了。

一道简单的01背包问题hdu 2602

核心代码

//N为物品数，V为背包总容量，第i个物品的大小为w[i]，价值为v[i]
//二维数组
for(int i=1;i<=N;i++)
    for(int j=0;j<=V;j++)
        if(j>=w[i]) dp[i][j]=max(dp[i-1][j-w[i]]+v[i],dp[i-1][j]);
        else dp[i][j]=dp[i-1][j];
//一维数组优化
for(int i=1;i<=N;i++)
    for(int j=V;j>=w[i];j--)
        dp[j]=max(dp[j-w[i]]+v[i],dp[j]);

---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

完全背包：同样有n件物品（但每件有无限多个）和一个体积为V的背包。第i件物品的价值为val[i],体积为m[i]。现在需要在不超过背包容量的情况下，使得背包里的东西价值最大？

状态和01背包的状态相同，也用dp[i][j] 表示在一个容量为j 的背包中放前i种物品（每种物品可放多个）得到的最大价值。（问题状态）

dp[i][j]=max(dp[i-1][j],dp[i-1][j-k*m[i]]+k*val[i]) 0<k*m[i]<=j (状态转移方程)

与01背包相似，不同之处在于对于每一种物品枚举放多个。

在两层循环内继续套一层循环为 k 0->(k*m[i]<=j)为止

同样也是一维数组做优化，还有其他优化比如将一种物品拆成多种物品，利用二进制表示。下面为一位数组的优化，因为它的复杂度最低。

在选第i种物品时，背包可能已经选入了第i种物品。所以需要的是dp[i][j-m[i]]而不是dp[i-1][j-m[i]]。

代码如下：

//n为物品数，V为背包总容量，第i个物品的大小为m[i]，价值为val[i]
    //二维数组
    for(int i=1;i<=n;i++)
        for(int j=0;j<=V;j++)
            for(int k=1;k*m[i]<=j;k++)
                dp[i][j]=max(dp[i-1][j],dp[i-1][j-k*m[i]]+k*val[i]);
    //一维优化
    for(int i=1;i<=n;i++)
        for(int j=m[i];j<=V;j++)
            dp[j]=max(dp[j],dp[j-m[i]]+val[i]);

完全背包 HDU 1114

---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

多重背包：同样有n件物品和一个体积为V的背包。第i件物品的价值为val[i],体积为m[i]，并且有n[i]个。现在需要在不超过背包容量的情况下，使得背包里的东西价值最大？

跟完全背包的思路基本一样，状态仍是dp[i][j] 表示在一个容量为j 的背包中放前i种物品（每种物品可放多个）得到的最大价值。（问题状态）

dp[i][j]=max(dp[i-1][j],dp[i-1][j-k*m[i]]+k*val[i]) 0<k<=n[i] || k*m[i]<=j (状态转移方程)

对于每种物品，选取的个数有了限制，其余的没多大变化，也就是说最内层的循环结束的限制条件发生了改变。

也可以将一种物品拆成多种物品，比如说一种物品有13个，因为知道每个数字都可以有二进制表示，那么这种物品就可以拆为(1*m[i],1*val[i])，(2*m[i],2*val[i])，(4*m[i],4*val[i])，(6*m[i],6*val[i])这四种物品。然后即可转化为01背包求解。

伪代码如下：

枚举每一个物品，对每一个物品i调用函数multiplepack(m[i],val[i],n[i])。

void completepack(int weight,int value){
	for(int i=weight;i<=V;i++)
		dp[i]=max(dp[i],dp[i-weight]+value);
}
void zeroonepack(int weight,int value){
	for(int i=V;i>=weight;i--)
		dp[i]=max(dp[i],dp[i-weight]+value);
}
void multiplepack(int weight,int value,int num){
	if(weight*num>=V){
		completepack(weight,value);
		return ;
	}
	int k=1;
	while(k<num){
		zeroonepack(k*weight,k*value);
		num-=k;
		k*=2;
	}
	zeroonepack(num*weight,num*value);
}

另外一种优化利用到了优先队列。