( 动态规划专题 )【 背包问题 】
01 背包
有n 种不同的物品,每个物品有两个属性,weight 体积,value 价值,现在给一个容量为 w 的背包,问最多可带走多少价值的物品。
完全背包
如果物品不计件数,就是每个物品不只一件的话。
01背包问题与完全背包问题 代码非常相似
一个是从后往前遍历,一个是从前往后遍历。
01背包问题代码
#include <bits/stdc++.h>
int dp[10001];
int price[10001];
int weight[10001];
int main()
{
int n,value,i,j,k;
while ( cin>>n>>sum ) { // n件商品,背包大小为sum
memset(dp,0,sizeof(dp));
for ( i=1; i<=n; i++ ) {
scanf("%d %d",&weight[i],&price[i]);
}
for ( i=1; i<=n; i++ ) { // 第一层是前j件商品
for ( j=sum; j>=1; j-- ) { // 第二层是背包容量,从后往前遍历
if ( j>=w[i] ) { // 如果当前背包容量能容纳第i个商品
dp[j] = max( dp[j], dp[j-weight[i]] + price[i] );
}
}
}
printf("%d\n",dp[value]);
}
return 0;
}
完全背包代码:
#include <bits/stdc++.h>
int dp[10001];
int price[10001];
int weight[10001];
int main()
{
int n,value,i,j,k;
while ( cin>>n>>sum ) { // n件商品,背包大小为sum
memset(dp,0,sizeof(dp));
for ( i=1; i<=n; i++ ) {
scanf("%d %d",&weight[i],&price[i]);
}
for ( i=1; i<=n; i++ ) { // 第一层是前j件商品
for ( j=1; j<=sum; j++ ) { // 第二层是背包容量,从后往前遍历
if ( j>=w[i] ) { // 如果当前背包容量能容纳第i个商品
dp[j] = max( dp[j], dp[j-weight[i]] + price[i] );
}
}
}
printf("%d\n",dp[value]);
}
return 0;
}
恰好装满问题
朴素的背包代码是求小于等于背包体积能装的最大值,但有些时候题目要求背包需要恰好完全装满。
是否恰好装满的解法不同只在于初始值的不同
恰好装满:
求最大值时,除了dp[0] 为0,其他都初始化为无穷小 -0x3f3f3f3f ,for循环里取max
求最小值时,除了dp[0] 为0,其他都初始化为无穷大 0x3f3f3f3f ,for循环里取min
不必恰好装满:
求最大值时,初始化为0
求最小值时,初始化为0
完全背包恰好装满的例题:https://nanti.jisuanke.com/t/41401
题意:有n种矿泉水, 知道每一种矿泉水的价格和重量, 问需要至少m千克水,最少需要花多少钱。输出花的钱数和买的水重多少,如果花的钱相等优先输出水重的。
样例输入:
3 5 // 3 种矿泉水, 至少需要5千克水
2 3 // 单价为2 , 重量为3
1 2
3 3
样例输出: 3 6 // 最小花费3元,最大重量6千克
代码:
#include <bits/stdc++.h>
#define inf 0x3f3f3f3f
using namespace std;
int n,m;
int dp[10005];
int weight[10005];
int price[10005];
int main()
{
while ( cin>>n>>m ) {
memset(dp,inf,sizeof(dp));
for ( int i=1; i<=n; i++ ) {
cin >> price[i] >> weight[i];
}
dp[0] = 0;
for ( int i=1; i<=n; i++ ) {
for ( int j=1; j<=10000; j++ ) {
if ( j>=weight[i] ) {
dp[j] = min( dp[j], dp[j-weight[i]]+price[i] );
}
}
}
int ansprice = inf;
int answeight = inf;
for ( int i=m; i<=10000; i++ ) {
if ( ansprice>=dp[i] ) {
ansprice = dp[i];
answeight = i;
}
}
cout << ansprice << " " << answeight << endl;
}
return 0;
}
多重背包:
多重背包问题要求很简单,就是每件物品给出确定的件数,求可得到的最大价值
多重背包转换成 01 背包问题就是多了个初始化,把它的件数C 用二进制分解成若干个件数的集合,这里面数字可以组合成任意小于等于C的件数,而且不会重复,之所以叫二进制分解,是因为这样分解可以用数字的二进制形式来解释
比如:7的二进制 7 = 111 它可以分解成 001 010 100 这三个数可以组合成任意小于等于7 的数,而且每种组合都会得到不同的数
15 = 1111 可分解成 0001 0010 0100 1000 四个数字
如果13 = 1101 则分解为 0001 0010 0100 0110 前三个数字可以组合成 7以内任意一个数,即1、2、4可以组合为1——7内所有的数,加上 0110 = 6 可以组合成任意一个大于6 小于等于13的数,比如12,可以让前面贡献6且后面也贡献6就行了。虽然有重复但总是能把 13 以内所有的数都考虑到了,基于这种思想去把多件物品转换为,多种一件物品,就可用01 背包求解了。
看代码:
int n; //输入有多少种物品
int c; //每种物品有多少件
int v; //每种物品的价值
int s; //每种物品的尺寸
int count = 0; //分解后可得到多少种物品
int value[MAX]; //用来保存分解后的物品价值
int size[MAX]; //用来保存分解后物品体积
scanf("%d", &n); //先输入有多少种物品,接下来对每种物品进行分解
while (n--) //接下来输入n中这个物品
{
scanf("%d%d%d", &c, &s, &v); //输入每种物品的数目和价值
for (int k=1; k<=c; k<<=1) //<<右移 相当于乘二
{
value[count] = k*v;
size[count++] = k*s;
c -= k;
}
if (c > 0)
{
value[count] = c*v;
size[count++] = c*s;
}
}
定理:一个正整数n可以被分解成1,2,4,…,2^(k-1),n-2^k+1(k是满足n-2^k+1>0的最大整数)的形式,且1~n之内的所有整数均可以唯一表示成1,2,4,…,2^(k-1),n-2^k+1中某几个数的和的形式。
证明如下:
(1) 数列1,2,4,…,2^(k-1),n-2^k+1中所有元素的和为n,所以若干元素的和的范围为:[1, n];
(2)如果正整数t<= 2^k – 1,则t一定能用1,2,4,…,2^(k-1)中某几个数的和表示,这个很容易证明:我们把t的二进制表示写出来,很明显,t可以表示成n=a0*2^0+a1*2^1+…+ak*2^(k-1),其中ak=0或者1,表示t的第ak位二进制数为0或者1.
(3)如果t>=2^k,设s=n-2^k+1,则t-s<=2^k-1,因而t-s可以表示成1,2,4,…,2^(k-1)中某几个数的和的形式,进而t可以表示成1,2,4,…,2^(k-1),s中某几个数的和(加数中一定含有s)的形式。
(证毕!)
现在用count 代替 n 就和01 背包问题完全一样了
杭电2191题解:
#include <bits/stdc++.h>
using namespace std;
int value[2005],weight[2005];
int cnt,sum,Value,Weight,c,n;
int dp[20005];
int main()
{
int listt;
cin >> listt;
while ( listt-- ) {
cnt = 0;
memset(dp,0,sizeof(dp));
cin>>sum>>n;
for ( int i=0; i<n; i++ ) {
cin >> Weight >> Value >> c;
// while ( c-- ) { // 最暴力的转化为01背包
// weight[cnt] = Weight;
// value[cnt++] = Value;
// }
for ( int j=1; j<=c; j*=2 ) { // 优雅的转化为01背包
weight[cnt] = j*Weight;
value[cnt++] = j*Value;
c -= j;
}
if ( c>0 ) {
weight[cnt] = c*Weight;
value[cnt++] = c*Value;
}
}
for ( int i=0; i<cnt; i++ ) {
for ( int j=sum; j>=0; j-- ) {
if ( j>=weight[i] ) {
dp[j] = max( dp[j], dp[j-weight[i]]+value[i] );
}
}
}
cout << dp[sum] << endl;
}
return 0;
}