动态规划——简单背包问题

最新推荐文章于 2021-05-24 15:54:16 发布

Psycho social

最新推荐文章于 2021-05-24 15:54:16 发布

阅读量239

点赞数

分类专栏：动态规划

本文链接：https://blog.csdn.net/weixin_43501684/article/details/89068535

版权

动态规划专栏收录该内容

2 篇文章 0 订阅

订阅专栏

简单背包问题

一、01背包

回到目录
问题描述：
一个旅行者有一个最多能装 M 公斤的背包，现在有 n 件物品，它们的重量分别是W₁，W₂，…,W_n,它们的价值分别为C₁,C₂,…,C_n，求旅行者能获得最大总价值。

输入

第一行：两个整数，M(背包容量，M ≤ 200)和N(物品数量，N ≤ 30)；
第2…N+1行：每行二个整数W_i，C_i，表示每个物品的重量和价值。

输出

仅一行，一个数，表示最大总价值。

样例输入

样例输出

策略：

显然，对于每一个物品都只有两种状态，装和不装。对于一个子问题，我们可以用 $d [i] [j]$ 来表示在把前i个物品中装入容量为j的背包中所能够获得的最大的价值
那么可以很容易的得到状态转移方程为
$\left\{ \begin{aligned} d[i-1][j] & &({j < w[i]})\\ max(d[i-1][j],d[i-1][j-w[i]]+v[i]) & &({j \geq w[i]}) \\ \end{aligned} \right.$

这样就通过双重循环去从前往后的填充这个 $d$ 这个二维数组，这样每一次填充的时候，都能够满足最优子结构，且无后效性，都是最优的这样最终的答案就是 $d [n] [m]$
根据样例填充的表格如下

纵轴：物品编号横轴：当前的最大重量	2	3	4	5	6	7	8	9	10
1	1	1	1	1	1	1	1	1	1
2	1	3	3	4	4	4	4	4	4
3	1	3	5	5	6	8	8	9	9
4	1	3	4	5	6	9	9	10	12

代码

#include <cstdio>
#include <algorithm>
#define MAXN 205
#define MAXX 35
int d[MAXX][MAXN], w[MAXX], v[MAXX];
int main() {
	int n, m;
	scanf("%d %d", &m, &n); 
	for(int i = 1; i <= n; i++) 
		scanf("%d %d", &w[i], &v[i]);
	for(int i = 1; i <= n; i++) {
		for(int j = 1; j <= m; j++) {
			if(j < w[i])
				d[i][j] = d[i-1][j];
			else
				d[i][j] = std::max(d[i-1][j], d[i-1][j-w[i]]+v[i]);
		}
	}
	printf("%d\n", d[n][m]);
	return 0;
}

空间优化：

可以发现，对于二维的数组来讲，每更新当前一层的时候，只与上一层有关，可以从这里进行优化。
使用一维数组去表示，考虑d[i]表示背包中重量不超过i的最大价值，同样的状态转移方程如下
$\,\,\,\,\,(j\geq w[i])$
对于一维数组我们的填充就要考虑从后往前填充( $j - > w [i]$ )，因为我们要保证随着每考虑一个物品的时候，我们都要尽可能的装入当前的能装的背包，同时要基于上一层的情况进行下去，才能找出最优情况.
至于从前往后填充为什么不行，可以这样理解，因为在每一次更新 $d [j]$ 的值的时候，我们需要保证， $d [j]$ 前面的值是选择上一个物品时的情况，如果从前往后填充,随着j的增大, $d [j - w [i]] + v [i]$ 一定是大于 $d [j]$ 本身的，而且会越来越大，这样d[j]也没有记录上一层的情况(因为此时每种物品只能使用一次)，那么d[j-w[i]]+v[i]会不断的更新，d[j]的值会越来越大，因为v[i]和之前的d[j]会被反复叠加。
可以总结出，逆推的关键就是因为每种物品只能选择一次

如果要求恰好装满背包，需要将 $d$ 数组其他初始化无穷小， $d [0] = 0$
代码

#include <cstdio>
#include <algorithm>
#define MAXN 205
#define MAXX 35
int d[MAXN], w[MAXX], v[MAXX];
int main() {
	int n, m;
	scanf("%d %d", &m, &n); 
	for(int i = 1; i <= n; i++) 
		scanf("%d %d", &w[i], &v[i]);
	for(int i = 1; i <= n; i++) 
		for(int j = m; j >= w[i]; j--) //逆推
			d[j] = std::max(d[j], d[j-w[i]]+v[i]);
	printf("%d\n", d[m]);
	return 0;
}

回到目录

二、完全背包

问题描述：

设有n种物品，每种物品有一个重量及一个价值。但每种物品的数量是无限的，同时有一个背包，最大载重量为M，今从n种物品中选取若干件(同一种物品可以多次选取)，使其重量的和小于等于M，而价值的和为最大。

输入

第一行：两个整数，M(背包容量，M <= 200)和N(物品数量，N <= 30)；
第2…N+1行：每行二个整数W_i,C_i，表示每个物品的重量和价值。

输出

仅一行，一个数，表示最大总价值。

样例输入

样例输出

策略分析：

现在的情况是每个物品可以选择多个，那么久不再是选择或者不选的情况了，情况变成了每个物品可以选择 $0 、 1 、 2 、 3 . . . K$ 件，只要装的下，就可以放进去，那么基于之前的 $01$ 背包，如果还是用 $d p [i] [j]$ 来表示从前i件物品中选择重量不超过j的物品的最大价值那么很容易得到状态转移方程为
$dp[i-1][j-k*w[i]]+k*v[i]\,\, (0\leq k*w[i] \leq j))$

代码

#include <iostream>
#include <algorithm>
using namespace std;
#define N 35
#define M 205

int dp[N][M];
int w[N], v[N];

int main () {
	int n, m;
	cin >> m >> n;
	for(int i = 1; i <= n; i++) 
		cin >> w[i] >> v[i];
		
	for(int i = 1; i <= n; i++) {
		for(int j = 0; j <= m; j++) {
			if(j < w[i])
				dp[i][j] = dp[i-1][j];
			else {
				int t = j / w[i];
				for(int k = 0; k <= t; k++)
					dp[i][j] = max(dp[i][j], dp[i-1][j-k*w[i]]+v[i]*k);
			}
		}
	}
	cout << "max=" << dp[n][m];
	return 0;
}

同样进行优化

由于完全背包的每一个物品可以多次使用个。考虑 $01$ 背包中的一维数组实现方法，只需要将其中的逆推改为顺推即可,因为每件物品可以无限次的使用。那么在考虑是否装同一种物品的时候，肯定是能装下的范围内，越多越好。状态转移方程如下，和 $01$ 背包相同，不过实现的时候使用顺推
$\,\,\,\,\,(j\geq w[i])$

代码

#include <iostream>
#include <algorithm>
using namespace std;
#define N 35
#define M 205

int dp[M];
int w[N], v[N];

int main () {
	int n, m;
	cin >> m >> n;
	for(int i = 1; i <= n; i++) 
		cin >> w[i] >> v[i];
	for(int i = 1; i <= n; i++) {
		for(int j = w[i]; j <= m; j++) //顺推
			dp[j] = max(dp[j], dp[j-w[i]]+v[i]);
	}
	cout << "max=" <<dp[m];
	return 0;
}

回到目录

三、多重背包

问题描述：

为了庆贺班级在校运动会上取得全校第一名成绩，班主任决定开一场庆功会，为此拨款购买奖品犒劳运动员。期望拨款金额能购买最大价值的奖品，可以补充他们的精力和体力

输入

第一行二个数n(n ≤ 500)，m(m ≤ 6000)，其中n代表希望购买的奖品的种数，m表示拨款金额。

接下来n行，每行3个数，v、w、s，分别表示第I种奖品的价格、价值（价格与价值是不同的概念）和能购买的最大数量（买0件到s件均可），其中v ≤ 100，w ≤ 1000，s ≤ 10。

输出

一行：一个数，表示此次购买能获得的最大的价值（注意！不是价格）。
样例输入

样例输出

策略分析：

多重背包，类似于完全背包，不过有限制，每种物品规定的使用的数量不超过 $s$ ,只需改一下状态转移方程即可
$dp[i-1][j-k*w[i]]+k*v[i]\,\, (0\leq k \leq num[i]))$

代码

#include <iostream>
#include <algorithm>
#define N 505
#define M 6005
using namespace std;

int dp[N][M];
int w[N], v[N], num[N];

int main () {
	int n, m;
	cin >> n >> m;
	for(int i = 1; i <= n; i++)	
		cin >> w[i] >> v[i] >> num[i];
		
	for(int i = 1; i <= n; i++) {
		for(int j = 0; j <= m; j++) {
			if(j < w[i])
				dp[i][j] = dp[i-1][j];
			else {
				int t = j / w[i];
				for(int k = 0; k <= t && k <= num[i]; k++)
					dp[i][j] = max(dp[i][j], dp[i-1][j-k*w[i]] + k * v[i]);
			}
		}
	}
	cout << dp[n][m];
	return 0;
}

回到目录

四、混合背包

问题描述：

一个旅行者有一个最多能装V公斤的背包，现在有n件物品，W₁，W₂，…,W_n,它们的价值分别为C₁,C₂,…,C_n。有的物品只可以取一次（01背包），有的物品可以取无限次（完全背包），有的物品可以取的次数有一个上限（多重背包）。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量，且价值总和最大。

输入

第一行：二个整数，M(背包容量，M ≤ 200)，N(物品数量，N ≤ 30)；

第2…N+1行：每行三个整数W_i,C_i,P_i，前两个整数分别表示每个物品的重量，价值，第三个整数若为0，则说明此物品可以购买无数件，若为其他数字，则为此物品可购买的最多件数(P_i)。。

输出

仅一行，一个数，表示最大总价值。

样例输入

样例输出

提示
选第一件物品1件和第三件物品2件。

策略分析：

混合背包就是将前三种背包结合起来使用，那么显然对于不同的背包使用不同的状态转移方程即可。

代码

#include <iostream>
#include <algorithm>
#define N 35
#define M 205
using namespace std;

int dp[M];
int w[N], v[N], num[N];

int main () {
	int n, m;
	cin >> m >> n;
	for(int i = 1; i <= n; i++)	
		cin >> w[i] >> v[i] >> num[i];
	for(int i = 1; i <= n; i++) {
		if(num[i] == 1) { //01背包
			for(int j = m; j >= w[i]; j--)
				dp[j] = max(dp[j], dp[j-w[i]] + v[i]);
		}else if(num[i] == 0) { //完全背包
			for(int j = w[i]; j <= m; j++) 
				dp[j] = max(dp[j], dp[j-w[i]] + v[i]);
		}else { //多重背包
			for(int j = m; j >= 0; j--) {
				for(int s = 0; s <= num[i]; s++)
					if(j >= s*w[i])
						dp[j] = max(dp[j], dp[j-s*w[i]] + s * v[i]);
			}
		}
	}
	cout << dp[m];
	return 0;
}

Psycho social

关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
动态规划——简单背包问题

一、01背包问题描述：一个旅行者有一个最多能装 M 公斤的背包，现在有 n 件物品，它们的重量分别是W1，W2，…,Wn,它们的价值分别为C1,C2,…,Cn，求旅行者能获得最大总价值。输入第一行：两个整数，M(背包容量，M ≤ 200)和N(物品数量，N ≤ 30)；第2…N+1行：每行二个整数Wi，Ci，表示每个物品的重量和价值。输出仅一行，一个数，表示最大总价值。样例输入...
复制链接

扫一扫

专栏目录