python多重背包_（基础）--- 01背包和完全背包、多重背包问题、分组背包问题

初始化的细节问题

我们看到的求最优解的背包问题题目中，事实上有两种不太相同的问法。

有的题目要求“恰好装满背包”时的最优解，有的题目则并没有要求必须把背

包装满。一种区别这两种问法的实现方法是在初始化的时候有所不同。

如果是第一种问法，要求恰好装满背包，那么在初始化时除了F[0]为0，其

它F[1..V ]均设为−∞，这样就可以保证最终得到的F[V ]是一种恰好装满背包的

最优解。

如果并没有要求必须把背包装满，而是只希望价格尽量大，初始化时应该

将F[0..V ]全部设为0。

这是为什么呢？可以这样理解：初始化的F数组事实上就是在没有任何物

品可以放入背包时的合法状态。如果要求背包恰好装满，那么此时只有容量

为0的背包可以在什么也不装且价值为0的情况下被“恰好装满”，其它容量的

背包均没有合法的解，属于未定义的状态，应该被赋值为-∞了。如果背包并非

必须被装满，那么任何容量的背包都有一个合法解“什么都不装”，这个解的

价值为0，所以初始时状态的值也就全部为0了。

这个小技巧完全可以推广到其它类型的背包问题，后面也就不再对进行状

态转移之前的初始化进行讲解。

01背包问题

题目描述

有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。

第 i 件物品的体积是 vi，价值是 wi。

求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。

输出最大价值。

输入格式

第一行两个整数，N，V，用空格隔开，分别表示物品数量和背包容积。

接下来有 N 行，每行两个整数 vi,wi，用空格隔开，分别表示第 i 件物品的体积和价值。

输出格式

输出一个整数，表示最大价值。

数据范围

0

0

样例

输入样例：

4 5

1 2

2 4

3 4

4 5

输出样例：

8

朴素做法

状态转移方程：

定义f[i][j]:前i个物品，背包容量j下的最优解

1)当前背包容量不够(j < w[i])，为前i-1个物品最优解：f[i][j] = f[i-1][j]

2)当前背包容量够，判断选与不选第i个物品

选：f[i][j] = f[i-1][j-w[i]] + v[i]

不选：f[i][j] = f[i-1][j]

时间复杂度&空间复杂度：均为O(V N)

#include

#include

using namespace std;

const int N = 1010;

int n,m;

int f[N][N];// f[i][j]表示前i件物品恰放入一个容量为j的背包可以获得的最大价值

int w[N];//价值

int v[N];//重量

int main(){

cin>>n>>m;

for(int i = 1;i <= n; i++){

cin>>v[i]>>w[i];

}

for(int i = 1;i <= n;i++){

for(int j = 1; j <= m ;j++)

if( j < v[i])//如果装不下，价值等于前i-1个物品

f[i][j] = f[i-1][j];

else //能装下，只考虑第i件物品的策略(放或不放)

f[i][j] = max(f[i-1][j],f[i-1][j-v[i]]+w[i]);

}

for(int i=1;i<=n;i++)

{

for(int j=1;j<=m;j++)

cout<

cout<

}

return 0;

}

优化空间复杂度为O(V)，使用滚动数组

状态转移方程为：f[j] = max(f[j], f[j-w[i]] + v[i]

#include

#include

using namespace std;

const int N = 1010;

int n,m;

int f[N];// f[i][j]表示前i件物品恰放入一个容量为j的背包可以获得的最大价值

int w[N];//价值

int v[N];//重量

int main(){

cin>>n>>m;

for(int i = 1;i <= n; i++){

cin>>v[i]>>w[i];

}

for(int i = 1;i <= n;i++){

for(int j = m; j >= v[i];j--)

f[j] = max(f[j],f[j-v[i]]+w[i]);

}

for(int i=1;i<=m;i++)

cout<

cout<

return 0;

}

完全背包

题目描述

有 N 种物品和一个容量是 V 的背包，每种物品都有无限件可用。

第 i 种物品的体积是 vi，价值是 wi。

求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。

输出最大价值。

输入格式

第一行两个整数，N，V，用空格隔开，分别表示物品种数和背包容积。

接下来有 N 行，每行两个整数 vi,wi，用空格隔开，分别表示第 i 种物品的体积和价值。

输出格式

输出一个整数，表示最大价值。

数据范围

0

0

样例

输入样例：

4 5

1 2

2 4

3 4

4 5

输出样例：

10

朴素做法

基本思路

这个问题非常类似于01背包问题，所不同的是每种物品有无限件。也就是从

每种物品的角度考虑，与它相关的策略已并非取或不取两种，而是有取0件、

取1件、取2件……直至取⌊V /Ci⌋件等很多种。

#include

#include

using namespace std;

const int N = 1010;

int n, m;

int v[N], w[N];

int f[N][N];

int main()

{

cin >> n >> m;

for (int i = 1; i <= n; i ++ ) cin >> v[i] >> w[i];

for (int i = 1; i <= n; i ++ )

for (int j = 0; j <= m; j ++ )

for (int k = 0; k <= j / v[i]; k ++ )

f[i][j] = max(f[i][j], f[i-1][j - v[i] * k] + w[i] * k);

cout << f[n][m] << endl;

return 0;

}

转化为01背包问题求解

优化思路

列举一下更新次序的内部关系：

f[i , j ] = max( f[i-1,j] , f[i-1,j-v]+w , f[i-1,j-2*v]+2*w , f[i-1,j-3*v]+3*w , .....)

f[i , j-v]= max( f[i-1,j-v] , f[i-1,j-2*v] + w , f[i-1,j-2*v]+2*w , .....)

由上两式，可得出如下递推关系：

f[i][j]=max(f[i,j-v]+w , f[i-1][j])

有了上面的关系，那么其实k循环可以不要了，核心代码优化成这样：

for(int i = 1 ; i <=n ;i++)

for(int j = 0 ; j <=m ;j++)

{

f[i][j] = f[i-1][j];

if(k*v[i]<=j)

f[i][j]=max(f[i][j],f[i][j-v[i]]+w[i]);

}

这个代码和01背包的非优化写法很像啊!!!我们对比一下，下面是01背包的核心代码

for(int i = 1 ; i <= n ; i++)

for(int j = 0 ; j <= m ; j ++)

{

f[i][j] = f[i-1][j];

if(j-v[i]>=0)

f[i][j] = max(f[i][j],f[i-1][j-v[i]]+w[i]);

}

两个代码其实只有一句不同(注意下标)

f[i][j] = max(f[i][j],f[i-1][j-v[i]]+w[i]);//01背包

f[i][j] = max(f[i][j],f[i][j-v[i]]+w[i]);//完全背包问题

因为和01背包代码很相像，我们很容易想到进一步优化。核心代码可以改成下面这样

for(int i = 1 ; i<=n ;i++)

for(int j = v[i] ; j<=m ;j++)//注意了，这里的j是从小到大枚举，和01背包不一样

{

f[j] = max(f[j],f[j-v[i]]+w[i]);

}

最终优化代码：

#include

using namespace std;

const int N = 1010;

int f[N];

int v[N],w[N];

int main()

{

int n,m;

cin>>n>>m;

for(int i = 1 ; i <= n ;i ++)

{

cin>>v[i]>>w[i];

}

for(int i = 1 ; i<=n ;i++)

for(int j = v[i] ; j<=m ;j++)

{

f[j] = max(f[j],f[j-v[i]]+w[i]);

}

cout<

}

多重背包

题目描述

有 N 种物品和一个容量是 V 的背包。

第 i 种物品最多有 si 件，每件体积是 vi，价值是 wi。

求解将哪些物品装入背包，可使物品体积总和不超过背包容量，且价值总和最大。

输出最大价值。

输入格式

第一行两个整数，N，V，用空格隔开，分别表示物品种数和背包容积。

接下来有 N 行，每行三个整数 vi,wi,si，用空格隔开，分别表示第 i 种物品的体积、价值和数量。

输出格式

输出一个整数，表示最大价值。

数据范围

0

0

样例

输入样例：

4 5

1 2 3

2 4 1

3 4 3

4 5 2

输出样例：

10

这题目和完全背包问题很类似。基本的方程只需将完全背包问题的方程略微一改即可。

因为对于第i种物品有Mi+1种策略：取0件，取1件……取Mi件。令F[i, v]表

示前i种物品恰放入一个容量为v的背包的最大价值，则有状态转移方程：

F[i，v] = max{F[i 1, v k ∗ Ci] + k ∗ Wi | 0 ≤ k ≤ Mi}

复杂度是O(V ΣMi)。

朴素做法

#include

#include

using namespace std;

const int N = 110;

int n,m;

int v[N],w[N],s[N];

int f[N][N];

int main(){

cin>>n>>m;

for(int i = 1;i<=n;i++){

cin>>v[i]>>w[i]>>s[i];

}

for(int i=1;i<=n;i++)

for(int j = 0;j<=m;j++)

for(int k = 0;k<=s[i]&&k<=j/v[i];k++)

f[i][j]=max(f[i][j],f[i-1][j-v[i]*k]+w[i]*k);

cout<

return 0;

}

优化做法(待更新)

分组背包

状态表示f[i,j]：①集合：只从前i组物品中选，且总体积不大于j的所有选法

②属性Max

状态计算： f[i-1,j-v[i,k]+w[i,k]

有 N 组物品和一个容量是 V 的背包。

每组物品有若干个，同一组内的物品最多只能选一个。

每件物品的体积是 vij，价值是 wij，其中 i 是组号，j 是组内编号。

求解将哪些物品装入背包，可使物品总体积不超过背包容量，且总价值最大。

#include

using namespace std;

const int N = 110;

int n,m;

int f[N],s[N],v[N][N],w[N][N];

int main()

{

cin>>n>>m;

for(int i=1;i<=n;i++)

{

cin>>s[i];

for(int j=1;j<=s[i];j++)

{

cin>>v[i][j]>>w[i][j];

}

}

for(int i=1;i<=n;i++)

{

for(int j=m;j>=0;j--)

{

for(int k=1;k<=s[i];k++)

{

if(v[i][k]<=j)

{

f[j] = max(f[j],f[j-v[i][k]]+w[i][k]);

}

}

}

}

cout<

}

参考文献：背包九讲、算法笔记