动态规划----完全背包

最新推荐文章于 2024-08-22 21:24:01 发布

yyym__

最新推荐文章于 2024-08-22 21:24:01 发布

阅读量86

点赞数

文章标签：动态规划算法 c++

-YMY

本文链接：https://blog.csdn.net/weixin_73503181/article/details/127656665

版权

动态规划----完全背包

完全背包于0 / 1背包很相似，唯一不同的是0/1背包的物品只能拿一个，而完全背包的物品可以拿无限个

所以有一个朴素的想法

我先只拿一个，按照0/1背包的解法可以找到最优解，然后我拿第二个，把拿第二个所能获得的最大价值找出来

然后于之前的最优解做对比，然后取最优的方案。

以此类推知道拿不到了为止。

还是我们那个熟悉的dp方程只不过加了一个循环

dp[ i ] [ j ] = max(dp[ i - k * value[ j ]] [ j - 1 ] + k * weight[ j ]) (k >= 0)

上题目：

疯狂的采药

题目背景

此题为纪念 LiYuxiang 而生。

题目描述

LiYuxiang 是个天资聪颖的孩子，他的梦想是成为世界上最伟大的医师。为此，他想拜附近最有威望的医师为师。医师为了判断他的资质，给他出了一个难题。医师把他带到一个到处都是草药的山洞里对他说：“孩子，这个山洞里有一些不同种类的草药，采每一种都需要一些时间，每一种也有它自身的价值。我会给你一段时间，在这段时间里，你可以采到一些草药。如果你是一个聪明的孩子，你应该可以让采到的草药的总价值最大。”

如果你是 LiYuxiang，你能完成这个任务吗？

此题和原题的不同点：

$1$ . 每种草药可以无限制地疯狂采摘。

$2$ . 药的种类眼花缭乱，采药时间好长好长啊！师傅等得菊花都谢了！

输入格式

输入第一行有两个整数，分别代表总共能够用来采药的时间 $t$ 和代表山洞里的草药的数目 $m$ 。

第 $2$ 到第 $(m + 1)$ 行，每行两个整数，第 $(i + 1)$ 行的整数 $a_i, b_i$ 分别表示采摘第 $i$ 种草药的时间和该草药的价值。

输出格式

输出一行，这一行只包含一个整数，表示在规定的时间内，可以采到的草药的最大总价值。

样例 #1

样例输入 #1

样例输出 #1

提示

数据规模与约定

对于 $30\%$ 的数据，保证 $\le 10^3$ 。
对于 $100\%$ 的数据，保证 $\leq m \le 10^4$ ， $\leq t \leq 10^7$ ，且 $\leq m \times t \leq 10^7$ ， $\leq a_i, b_i \leq 10^4$ 。

dp[ i ] [ j ] = max(dp[ i - k * value[ j ]] [ j - 1 ] + k * weight[ j ]) (k >= 0)

i是背包的容量，而j是当前物品的编号。

#include<bits/stdc++.h>
using namespace std;
int main()
{
    int total_time , total_number;
    cin >> total_time >> total_number;
    int time[total_number] = {0} , value[total_number] = {0};
    for(int temp = 0 ; temp < total_number ; temp++)
        cin >> time[temp] >> value[temp];
    int dp[total_number + 1][total_time + 1];
    memset(dp , 0 , sizeof(int)*(total_number + 1)*(total_time+1))
    for(int temp1 = 1 ; temp1 < total_number + 1 ; temp1++){
        for(int temp2 = 1 ; temp2 < total_time + 1 ; temp2++){
            for(int k = 0 ; temp2 >= k*time[temp1 - 1] ; k++)
                dp[temp1][temp2] = max(dp[temp1][temp2] , dp[temp1 - 1][temp2 - k*time[temp1 - 1]] + k*value[temp1 - 1]);
        }
    }
    cout << dp[total_number][total_time];
    return 0;
}

但很可惜，会TLE，因为发生了许多无意义的操作。

举个例子，假设此时的背包容量为10，物品所需的容量为3

背包的容量一次递增，

当背包容量为0，1，2师，k = 0；

当背包容量为3，4，5时，每个k都是从0开始在到1；

背包容量为6，7，8时，每个k都变了3次

由此可知，在循环的过程中，多次重复了之前做的工作，所以我们要对其进行优化。

dp[ i ] [ j ] = max(dp[ i ] [ j - 1] , dp[ i - weight [ j ]] [ j ]

这样我们就利用了之前的数据。

同理，我们也可以将维度进行优化，使其变成一维

即：

dp[ i ] = max(dp[ i - weight[ j ]] + value[ j ] , dp[ i ])

值得一提的是，因为我们使用的数据是更新之后的，所以要从左向右遍历

#include<bits/stdc++.h>
using namespace std;
int main()
{
    long long int total_time , total_number;
    cin >> total_time >>total_number;
    long long int time[total_number] = {0} , value[total_number] = {0};
    for(long long int temp = 0 ; temp < total_number ; temp++)
        cin >> time[temp] >> value[temp];
    long long int dp[total_time + 1] = {0};
    for(long long int temp1 = 0 ; temp1 <total_number ; temp1++){
        for(long long int temp2 = 0 ; temp2 < total_time + 1 ; temp2 ++){
            if(temp2 >= time[temp1])
                dp[temp2] = max(dp[temp2] , dp[temp2 - time[temp1]] + value[temp1]);
        }
    }
    cout << dp[total_time];
    return 0;
}