算法4:动态规划之背包问题

目录

一、算法介绍

二、01背包

三、完全背包

四、多重背包 

五、分组背包


一、算法介绍

是把大问题拆分成小问题,通过寻找大问题与小问题的递推关系,解决一个个小问题,最终达到解决原问题的效果,具有记忆性,通过填写表把所有已经解决的子问题答案纪录下来,在新问题里需要用到的子问题可以直接提取,避免了重复计算,从而节约了时间,所以在问题满足最优性原理之后,用动态规划解决问题的核心就在于填表,表填写完毕,最优解也就找到。

关于动态规划的时间复杂度计算: 状态表示的量*转移方程

二、01背包

含义:有n件物品和容量为v的背包,每件物品体积是vi,权值是wi。

特点:每件物品只有一个(最多用一次)。

有 N件物品和一个容量是 V 的背包。每件物品只能使用一次。

第 i 件物品的体积是 vi,价值是 wi。

求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。
输出最大价值。

输入格式

第一行两个整数,N,V,用空格隔开,分别表示物品数量和背包容积。

接下来有 N 行,每行两个整数 vi,wi,用空格隔开,分别表示第 i 件物品的体积和价值。

输出格式

输出一个整数,表示最大价值。

数据范围

0<N, V≤1000
0< vi,wi ≤1000

输入样例

4 5
1 2
2 4
3 4
4 5

输出样例:

8

解析: 

二维:

#include<iostram>
#include<algorithm>
using namespace std;

const int N=1010;

int n,m; //n件物品,背包容量为m
int v[N],W[N]; //分别表示物品体积和价值
int f[N][N]; //表示所有状态

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

三、完全背包

特点:每件物品有无限个

有 N 种物品和一个容量是 V 的背包,每种物品都有无限件可用。

第 i 种物品的体积是 vi,价值是 wi。

求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。
输出最大价值。

输入格式

第一行两个整数,N,V,用空格隔开,分别表示物品种数和背包容积。

接下来有 N 行,每行两个整数 vi,wi, 用空格隔开,分别表示第 i 种物品的体积和价值。

输出格式

输出一个整数,表示最大价值。

数据范围

0<N,V≤1000
0<vi,wi≤1000

输入样例

4 5
1 2
2 4
3 4
4 5

输出样例:

10

解析: 

#include<iostream>
#include<algorithm>
using namespace std;

const int N = 1010;

int n,m;//表示物品种数和背包容积
int v[N],w[N];
int f[N][N];

int main()
{
    cin>>n>>m;
    for(int i=1; i<=n; i++) cin>>v[i]>>w[i];
    
    for(int i=1;i<=n;i++){
        for(int j=0;j<=m;j++){
            for(int k=0;k*v[i]<=j;k++){
                f[i][j]=max(f[i][j], f[i-1][j-v[i]*k]+w[i]*k);
            }
        }
    }
    
    cout<<f[n][m]<<endl;
    
    return 0;
}

四、多重背包 

特点:每个物品有si个(不同物品可能不一样)。

有 N 种物品和一个容量是 V 的背包。

第 i 种物品最多有 si 件,每件体积是 vi,价值是 wi。

求解将哪些物品装入背包,可使物品体积总和不超过背包容量,且价值总和最大。
输出最大价值。

输入格式

第一行两个整数,N,V,用空格隔开,分别表示物品种数和背包容积。

接下来有 N 行,每行三个整数 vi,wi,si,用空格隔开,分别表示第 i 种物品的体积、价值和数量。

输出格式

输出一个整数,表示最大价值。

数据范围

0<N,V≤100
0<vi,wi,si≤100

输入样例

4 5
1 2 3
2 4 1
3 4 3
4 5 2

输出样例:

10

解析: 

#include<iostream>
#include<algorithm>
using namespace std;

const int N = 110;

int n,m; //n件物品,背包容积为m
int v[N],w[N],s[N];
int f[N][N];

int main()
{
    cin>>n>>m;
    for(int i=1; i<=n; i++) cin>>v[i]>>w[i]>>s[i];
    
    for(int i=1;i<=n;i++){
        for(int j=0;j<=m;j++){
            for(int k=0; k<=s[i]&&k*v[i]<=j;j++){
                f[i][j]=max(f[i][j], f[i-1][j-v[i]*k] + w[i]*k);
            }
        }
    }
    
    cout<<f[n][m]<<endl;
    return 0;
}

扩展:

当时间复杂度过高时,在多重背包这里常见的是二进制优化(即先将数据打包,再使用01背包)

 例:即将数据范围改成如下:

0<N≤1000
0<V≤2000
0<vi,wi,si≤2000

#include<iostream>
#include<algorithm>
using namespace std;

const int N=25000,M=2010;

int n,m; //n件物品,背包容积为m
int v[N],w[N];
int f[N];

int main()
{
    cin>>n>>m; 
    
    int cnt = 0;
    for(int i=1;i<=n;i++)
    {
        int a,b,s; //分别表示第i种物品的体积、价值和数量
        cin>>a>>b>>s;
        int k=1;
        while(k<=s)
        {
            cnt++;
            v[cnt] = a*k;
            w[cnt] = b*k;
            s-=k;
            k*=2;
        }
        if(s>0)
        {
            cnt++;
            v[cnt]=a*s;
            w[cnt]=b*s;
        }
    }
    
    n=cnt;
    
    for(int i=1;i<=n;i++){
        for(int j=m;j>=v[i];j--){
            f[j]=max(f[j],f[j-v[i]]+w[i]);
        }
    }
    
    cout<<f[m]<<endl;
    
    return 0;
}

五、分组背包

特点:一共有N组,每一组里有若干个物品,每一组里最多只能选一个物品。

有 N 组物品和一个容量是 V 的背包。

每组物品有若干个,同一组内的物品最多只能选一个。
每件物品的体积是 vij,价值是 wij,其中 i 是组号,j 是组内编号。

求解将哪些物品装入背包,可使物品总体积不超过背包容量,且总价值最大。

输出最大价值。

输入格式

第一行有两个整数 N,V,,用空格隔开,分别表示物品组数和背包容量。

接下来有 N 组数据:

  • 每组数据第一行有一个整数 Si,表示第 i 个物品组的物品数量;
  • 每组数据接下来有 Si 行,每行有两个整数 vij,wij,用空格隔开,分别表示第 i 个物品组的第 j 个物品的体积和价值;

输出格式

输出一个整数,表示最大价值。

数据范围

0<N,V≤100
0<Si≤100
0<vij, wij≤100

输入样例

3 5
2
1 2
2 4
1
3 4
1
4 5

输出样例:

8

解析: 

#include<iostream>
#include<algorithm>
using namespace std;

const int N=110;

int n,m;//n件物品,背包容积为m
int v[N][N],w[N][N],s[N];//s表示第i个物品组的物品数量
int f[N][N]; //只从前i组物品中选,当前体积小于j的最大值

int main()
{
    cin>>n>>m;
    
    for(int i=1;i<=n;i++)
    {
        cin>>s[i];
        for(int j=0;j<s[i];j++){
            cin>>v[i][j]>>w[i][j];
        }
    }
    
    for(int i=1;i<=n;i++){ //第i个物品组
        for(int j=0;j<=m;j++){ //容积
            f[i][j]=f[i-1][j]; //如果不选
            for(int k=1;k<=s[i];k++){ //物品组中选几个
                if(j>=v[i][k] f[i][j]=max(f[i][j],f[i-1][j-v[i][k]]+w[i][k]);
            }
        }
    }
    
    cout<<f[n][m]<<endl;
    
    return 0;
}

  • 7
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值