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 1 1. 每种草药可以无限制地疯狂采摘。
2 2 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 t t 和代表山洞里的草药的数目 m m m。
第 2 2 2 到第 ( m + 1 ) (m + 1) (m+1) 行,每行两个整数,第 ( i + 1 ) (i + 1) (i+1) 行的整数 a i , b i a_i, b_i ai,bi 分别表示采摘第 i i 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
70 3
71 100
69 1
1 2
样例输出 #1
140
提示
数据规模与约定
- 对于 30 % 30\% 30% 的数据,保证 m ≤ 1 0 3 m \le 10^3 m≤103 。
- 对于 100 % 100\% 100% 的数据,保证 1 ≤ m ≤ 1 0 4 1 \leq m \le 10^4 1≤m≤104, 1 ≤ t ≤ 1 0 7 1 \leq t \leq 10^7 1≤t≤107,且 1 ≤ m × t ≤ 1 0 7 1 \leq m \times t \leq 10^7 1≤m×t≤107, 1 ≤ a i , b i ≤ 1 0 4 1 \leq a_i, b_i \leq 10^4 1≤ai,bi≤104。
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;
}
另外
long long int !!!