背包问题
本部分内容均参考该大佬著作,感兴趣搜索背包九讲.pdf获取文档并深入学习。
背包问题时最常见的DP问题,通常通过状态转移方程得出最终结果;
-
常见的若问容量V可获取的最大价值物品,则初始化dp[0~n]=0,因为每个容量都有可能成为最终结果
-
若需恰好装满容器V,则dp[0] = 0, dp[1~n]=-inf,因为只有在什么也不装的情况下价值才能为0
01背包
int ZeroOnePack(vector<int> &value, vector<int> &cost, int &V) {
int n = value.size();
vector<int> dp(V+1);
for (int i = 0; i < n; ++i) {
for (int j = V; j >= cost[i]; --j) {
dp[j] = max(dp[j], dp[j-cost[i]]+value[i]);
}
}
return dp[V];
}
第二层循环可做一个常数级的优化:
for (int i = 0; i < n; ++i)
for (int j = V; j >= max(cost[i], SUM(value); --j)
dp[j] = max(dp[j], dp[j-cost[i]]+value[i]);
完全背包
int CompletePack(vector<int> &value, vector<int> &cost, int &V) {
int n = value.size();
vector<int> dp(V+1);
for (int i = 0; i < n; ++i) {
for (int j = cost[i]; j <= V; ++j) {
dp[j] = max(dp[j], dp[j-cost[i]]+value[i]);
}
}
return dp[V];
}
多重背包
int MultiplePack(vector<int> &value, vector<int> &cost, vector<int> ×, int &V) {
int n = value.size();
vector<int> dp(V+1);
for (int i = 0; i < n; ++i) {
if (cost[i] * times[i] >= V) {
for (int j = cost[i]; j <= V; ++j)
dp[j] = max(dp[j], dp[j-cost[i]]+value[i]);
}
else {
int k = 1;
while (k < times[i]) {
for (int j = V; j >= k*cost[i]; --j)
dp[j] = max(dp[j], dp[j-k*cost[i]]+k*value[i]);
times[i] -= k;
k <<= 1;
}
for (int j = V; j >= times[i]*cost[i]; --j)
dp[j] = max(dp[j], dp[j-times[i]*cost[i]]+times[i]*value[i]);
}
}
return dp[V];
}