动态规划之——背包DP(入门篇)

概要说明

本文只讲了01背包和完全背包，至于其他背包问题后续补充
进阶篇(多重、混合、二维费用背包)：传送门
完结篇(分组背包、有依赖的背包、 背包问题求方案数以及背包问题求具体方案)：传送门

01背包

模板例题

点击这里

题意概要

思路

01背包的模板题

首先对于背包问题，我们只有两种选择：$选或者不选$
我们先设DP状态为$f(n,W)，n代表选取物品的数量，W代表当前背包可容纳的重量$
我们可以先从后往前枚举，在当前$f(n,W)$状态下，不选物品，那么$f(n,W)=f(n-1,W)$
(解释：不选当前的物品，那么物品的总数返回前面一个状态，当前可容纳的重量不变)
选当前物品，那么$f(n,W)=f(n-1,W-w[i])+v[i]$
(解释：选当前物品，那么物品的总数返回前面一个状态，当前可容纳的重量减去物品重量，并且加上物品的价值)
剩下依次往前枚举，直到出现$f(0,W)=0或者f(n,0)=0结束，即没有物品可以选和可容纳重量为0$

以上是记忆化搜索的步骤，我们可以将上述步骤改为递归
同样分为两种状态：选或者不选

• 不选：$dp[i][j]=dp[i-1][j]$
• 选：$dp[i-1][j-v[i]]+w[i]$

那么它的状态转移方程就为：$dp[i][j]=max(dp[i-1][j],dp[i-1][j-v[i]]+w[i])$

接下来看代码~~

code1

void solve(){
	int n,m;
	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=1;j<=m;++j){
	   	if(j<v[i]) dp[i][j]=dp[i-1][j];//当前重量比v[i]小，那么只能不选
	   	else dp[i][j]=max(dp[i-1][j],dp[i-1][j-v[i]]+w[i]);
	   }
	cout << dp[n][m] << endl;
	return ;
}

对于上述例题来说，这个代码是过不去的
why？这个代码会超出内存限制

那么我们就得优化代码
观察式子，我们发现当前状态$dp[i][j]只跟dp[i-1][j]有关$，因此我们只需要保留一维，将新的状态覆盖在原状态即可
那么新的状态转移方程为：$f[l]=max(f[l],f[l-w[i]]+v[i]),l相当于上述的j$
(解释：新的状态每次都会覆盖原状态，因此每次都跟自己比较大小即可)

AC代码

code2

void solve(){
	int n,W;
	cin >> n >> W;
	for(int i=1;i<=n;++i){
		cin >> w[i] >> v[i];
	}
	for(int i=1;i<=n;++i)
	   for(int l=W;l>=w[i];--l){
	   	f[l]=max(f[l],f[l-w[i]]+v[i]);
	   }
	cout << f[W] << endl;
	return ;
}

注意：$l必须从后往前遍历$
如果我们从前往后遍历，那么每次新状态覆盖原状态时，新状态又会覆盖新状态
什么意思呢？
其实我们每次覆盖时，当前那一层是不能覆盖当前那一层的状态的，只能后面一层覆盖前面一层的状态
从前往后遍历，会导致当前层覆盖当前层的状态，这其实就是完全背包(后面来讲)
而我们从后往前遍历，后面的容量不可能比原来的容量大，因此也就不会出现上面这种情况

到此，模板题讲完了，接下来我们来看一道01应用题

01背包的应用题

题目来源

Q我~~~~

思路

01背包的变形题
分别对4个科目进行DP，首先我们很容易想到：

• 左脑和右脑所花的时间尽可能相同
• 单纯考虑左脑所花的时间，那么就是面临两种选择：做这题 or 不做这题
• 所花的时间为总时间减去左脑所用的时间

首先定义总重W，W的值为单科所花的总时间的一半(尽可能让左右脑所花时间相同)
写出状态状态转移方程：$f[k]=max(f[k],f[k-b[j]]+b[j]);$,与01背包不同的是，这题的重量和价值是相同的
算出左脑最多花的时间，ans加上总时间减去$f[sum/2]$即单科所花的时间(sum为总时间)

code

void solve(){
	for(int i=1;i<=4;++i) cin >> a[i];
	for(int i=1;i<=4;++i){
		int sum=0;
		for(int j=1;j<=a[i];++j){
			cin >> b[j];
			sum+=b[j];
		}
		for(int j=1;j<=a[i];++j)
		   for(int k=sum/2;k>=b[j];--k){
		   	f[k]=max(f[k],f[k-b[j]]+b[j]);
		   }
		ans+=sum-f[sum/2];
		for(int j=1;j<=sum/2;++j) f[j]=0;
	}
	cout << ans << endl;
	return ;
}

完全背包

模板例题

点这里~~

题意概要

思路

完全背包的状态转移方程和01背包是一模一样的，都为：$$f[l]=max(f[l],f[l-w[i]]+v[i]);$$
区别就在于$l$是从前往后遍历
例如：背包容量为10 有一个物品重量为1 价值为1
从前往后遍历，$f[1]=max(f[1],f[1-w[1]]+v[1])=1f[2]=max(f[2],f[2-w[1]]+v[1])=2\cdot \cdot \cdot \cdot \cdot \cdot \cdot$
最终$f[10]=10$
相当于每次遍历都是在原来覆盖过的状态进行下一轮的覆盖

接下来看代码

code

void solve(){
	int W,n;
	cin >> W >> n;
	for(int i=1;i<=n;++i){
		cin >> w[i] >> v[i];
	}
	for(int i=1;i<=n;++i)
	   for(int l=w[i];l<=W;++l){
	   	f[l]=max(f[l],f[l-w[i]]+v[i]);
	   }
	cout << f[W];
	return ;
}