精简版-＞优化版|01背包、完全背包、多重背包

已于 2023-10-11 11:17:31 修改
阅读量256 收藏
点赞数
文章标签： 算法
于 2023-09-25 21:07:12 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/woomay/article/details/133280631
版权

背包问题

01背包问题
有n个物品，它们有各自的体积w和价值v，现有给定容量W的背包，在总体积不超过背包承载上限的情况下，如何让背包里装入的物品具有最大的价值总和？（每个物品最多可使用一次）
w(i) 表示第i个物品的体积，v(i) 表示第i个物品的价值，
dp[i,j] : 当前背包容量为j，前i个物品最佳组合对应的价值。
不装入第i个商品,则dp[i,j] = dp[i-1, j]，
装入第i个商品, 则dp[i,j] = dp[i-1, j-w(i)] + v(i),
dp[i,j] = max{dp[i-1, j], dp[i-1, j-w(i)] + v(i)} j>=w(i).
在这里插入图片描述
在这里插入图片描述
网站： https://www.acwing.com/problem/content/3/

# 01背包问题（每件物品只能使用一次）
import sys
v = [0] # 这里指体积
w = [0] # 这里指价值
i = 0
for line in sys.stdin:
    int_line = list(map(int, line.split()))
    i += 1
    if i == 1:
        N = int_line[0] # 有 N件物品
        V = int_line[1] # 一个容量是 V的背包
    else:
        v.append(int_line[0])
        w.append(int_line[1])
# print(N,V)
# print(v,w)
# # 1）基础解法   时间复杂度 O(N*V) 空间复杂度 O(N*V)
# # dp[i][j] 背包容量为j ，前i个物品 最佳组合对应的价值
# dp = [[0 for j in range(V+1)] for i in range(N+1)] # 列表推导式
# # print(dp)
# for i in range(1,N+1):
#     for j in range(1,V+1):
#         if j < v[i]:
#             dp[i][j] = dp[i-1][j]
#         else:
#             dp[i][j] = max(dp[i-1][j], dp[i-1][j-v[i]]+w[i])
# print(dp[N][V])
# 2）优化  时间复杂度O(N*V) 空间复杂度O(V)
dp = [0 for j in range(V+1)]
for i in range(1,N+1):
    for j in range(V,v[i]-1,-1):
        dp[j] = max(dp[j], dp[j-v[i]]+w[i])
print(dp[V])

01背包问题最优解回溯 https://blog.csdn.net/qq_37767455/article/details/99086678

完全背包问题
有n种物品和一个容量为W的背包，第i种物品的体积是w(i),价值是v(i)。在总体积不超过背包承载上限的情况下，求解将哪些物品装入背包，可使这些物品的总价值最大。（每种物品都有无限件可用）
从装入第i种物品多少件出发，01背包只有两种情况即取0件和取1件，而这里是取0件、1件、2件…直到超过限重（k>j/w(i)）
dp[i][j] : 当前背包容量为j，前i个物品最佳组合对应的价值。
#k为装入第i种物品的件数，k<=j/w(i)
dp[i][j] = max{ (dp[i-1][j- kw(i)] + kv(i) ) for every k }
在这里插入图片描述
在这里插入图片描述
【参考】
http://jjzhong.com/2022/11/29/%E8%83%8C%E5%8C%85%E9%97%AE%E9%A2%98%E5%8F%8A%E5%85%B6%E4%BC%98%E5%8C%96/ 时间复杂度、空间复杂度
https://juejin.cn/post/7181264109470482488 看起来很详细的教程
【题解】https://www.acwing.com/solution/content/87389/ 包含递推、二进制优化等

# 完全背包问题（每件物品可使用无限次）
import sys
import math
v = [0] # 这里指体积
w = [0] # 这里指价值
i = 0
for line in sys.stdin:
    int_line = list(map(int, line.split()))
    i += 1
    if i == 1:
        N = int_line[0] # 有 N件物品
        V = int_line[1] # 一个容量是 V的背包
    else:
        v.append(int_line[0])
        w.append(int_line[1])
# print(N,V)
# print(v,w)
# # # 1）基础解法   时间复杂度 O(N*V*V) 空间复杂度 O(N*V)  超时
# # # dp[i][j] 背包容量为j ，前i个物品 最佳组合对应的价值
# dp = [[0 for j in range(V+1)] for i in range(N+1)]
# # print(dp)
# for i in range(1,N+1):
#     for j in range(1,V+1):
#         for k in range(0, math.floor(j/v[i])+1):
#             dp[i][j] = max([dp[i][j], dp[i-1][j-k*v[i]]+k*w[i]])
# print(dp[N][V])
# # 2）递推优化  时间复杂度O(N*V) 空间复杂度O(N*V)
# dp = [[0 for j in range(V+1)] for i in range(N+1)]
# for i in range(1,N+1):
#     for j in range(1,V+1):
#         if j < v[i]:
#             dp[i][j] = dp[i-1][j]
#         else:
#             dp[i][j] =  max(dp[i-1][j], dp[i][j-v[i]]+w[i])
# print(dp[N][V])
# 3) 优化空间 时间复杂度O(N*V)  空间复杂度O(V)
dp = [0 for j in range(V+1)]
for i in range(1,N+1):
    for j in range(v[i],V+1): # 依赖的值必须是已经更新的，所以从前到后
        dp[j] = max(dp[j], dp[j-v[i]]+w[i])
print(dp[j])

多重背包问题
有n种物品和一个容量为W的背包，第i种物品的数量为s(i),体积是w(i),价值是v(i)。在总体积不超过背包承载上限的情况下，求解将哪些物品装入背包，可使这些物品的总价值最大。（每种物品的数量有限制）
从装入第i种物品多少件出发，取0件、1件、2件…s(i)件，还要满足不超过限重。
dp[i][j]: 当前背包容量为j，前i个物品最佳组合对应的价值。
#k为装入第i种物品的件数，k<= min{ s(i), j/w(i)}
dp[i][j] = max{ (dp[i-1][j-kw(i)] + kv(i)) for every k}

在这里插入图片描述
在这里插入图片描述

# 多重背包问题（每种物品的数量有限制）
import sys
import math
v = [0] # 这里指体积
w = [0] # 这里指价值
s = [0] # 数量限制
i = 0
for line in sys.stdin:
    int_line = list(map(int, line.split()))
    i += 1
    if i == 1:
        N = int_line[0] # 有 N件物品
        V = int_line[1] # 一个容量是 V的背包
    else:
        v.append(int_line[0])
        w.append(int_line[1])
        s.append(int_line[2])
# # # # 1）基础解法   时间复杂度 O(N*V*S) 空间复杂度 O(N*V)  超时
# # # # dp[i][j] 背包容量为j ，前i个物品 最佳组合对应的价值
# dp = [[0 for j in range(V+1)] for i in range(N+1)]
# # print(dp)
# for i in range(1,N+1):
#     for j in range(0,V+1):
#         for k in range(0, min([math.floor(j/v[i])+1, s[i]+1])):
#             dp[i][j] = max([dp[i][j], dp[i-1][j-k*v[i]]+k*w[i]])
# print(dp[N][V])
# 2) 二进制优化  把时间复杂度从朴素写法的 O(N*V*S) 优化为 O(N*logS*V) 
new_v = [0] * (11 * 1000 + 1) # 2000件物品需要分11堆，最多有N=1000种物品
new_w = [0] * (11 * 1000 + 1)
cnt = 0 # 分的堆数
for i in range(1,N+1): # N*logS
    k = 1
    while(s[i]>=k):
        cnt += 1
        new_v[cnt] = v[i]*k
        new_w[cnt] = w[i]*k
        s[i] -= k
        k = k * 2
    if s[i] > 0 :
        cnt += 1
        new_v[cnt] = v[i]*s[i]
        new_w[cnt] = w[i]*s[i]
dp = [0 for j in range(V+1)]
for i in range(1,cnt+1): # N*logS*V
    for j in range(V,new_v[i]-1,-1): # 01背包的空间优化
        dp[j] = max([dp[j], dp[j-new_v[i]]+new_w[i]])
print(dp[V]) 
# https://www.acwing.com/solution/content/87389/

https://juejin.cn/post/7181264109470482488 很完整的背包问题？

胡乱的参考链接-_-||
https://blog.csdn.net/woomay/article/details/133162560?spm=1001.2014.3001.5501

https://blog.csdn.net/weixin_41082481/article/details/115922389?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2defaultBlogCommendFromBaiduRate-1-115922389-blog-72900009.235%5Ev38%5Epc_relevant_default_base3&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2defaultBlogCommendFromBaiduRate-1-115922389-blog-72900009.235%5Ev38%5Epc_relevant_default_base3&utm_relevant_index=2
动态规划-背包问题

https://blog.csdn.net/qq_37767455/article/details/99086678
https://zhuanlan.zhihu.com/p/93857890
https://blog.csdn.net/qq_38410730/article/details/81667885
【动态规划】01背包问题（通俗易懂，超基础讲解）

https://www.zhihu.com/question/23995189 什么是动态规划（Dynamic Programming）？动态规划的意义是什么？
https://www.cnblogs.com/mhpp/p/7700235.html 动态规划初探及什么是无后效性？ （转）
https://www.zdaiot.com/DataStructureAlgorithm/40%E5%8A%A8%E6%80%81%E8%A7%84%E5%88%92%E7%90%86%E8%AE%BA%EF%BC%9A%E4%B8%80%E7%AF%87%E6%96%87%E7%AB%A0%E5%B8%A6%E4%BD%A0%E5%BD%BB%E5%BA%95%E6%90%9E%E6%87%82%E6%9C%80%E4%BC%98%E5%AD%90%E7%BB%93%E6%9E%84%E3%80%81%E6%97%A0%E5%90%8E%E6%95%88%E6%80%A7%E5%92%8C%E9%87%8D%E5%A4%8D%E5%AD%90%E9%97%AE%E9%A2%98/
0动态规划理论：一篇文章带你彻底搞懂最优子结构、无后效性和重复子问题
https://blog.csdn.net/qq_30137611/article/details/77655707 什么是无后效性？
https://juejin.cn/post/6951922898638471181
看一遍就理解：动态规划详解
https://houbb.github.io/2020/01/23/data-struct-learn-07-base-dp#%E6%9C%80%E5%B0%8F%E8%B7%AF%E5%BE%84%E4%B9%8B%E5%92%8C
五大基本算法之动态规划算法

https://zhuanlan.zhihu.com/p/368901684?utm_campaign=&utm_medium=social&utm_oi=740423421275422720&utm_psn=1689458562500431873&utm_source=zhihu
https://www.zhihu.com/question/484180920/answer/2574186966?utm_campaign=&utm_medium=social&utm_oi=740423421275422720&utm_psn=1689463449510371328&utm_source=zhihu

https://seramasumi.github.io/docs/Algorithms/mc-%E5%BE%AE%E8%AF%BE%E5%A0%82-%E8%83%8C%E5%8C%85%E9%97%AE%E9%A2%98.html

https://programmercarl.com/%E8%83%8C%E5%8C%85%E9%97%AE%E9%A2%98%E7%90%86%E8%AE%BA%E5%9F%BA%E7%A1%80%E5%AE%8C%E5%85%A8%E8%83%8C%E5%8C%85.html#%E7%AE%97%E6%B3%95%E5%85%AC%E5%BC%80%E8%AF%BE

https://blog.csdn.net/qq_37767455/article/details/99086678
https://blog.csdn.net/Biteht/article/details/124298926?spm=1001.2014.3001.5501
数据结构与算法—算法篇之动态规划(一)
https://blog.csdn.net/chinawangfei/article/details/123585910?utm_medium=distribute.pc_relevant.none-task-blog-2defaultbaidujs_baidulandingword~default-0-123585910-blog-99086678.235v38pc_relevant_sort_base3&spm=1001.2101.3001.4242.1&utm_relevant_index=1
背包问题之0-1背包算法详解
https://blog.csdn.net/char_m/article/details/107112564?utm_medium=distribute.pc_relevant.none-task-blog-2defaultbaidujs_baidulandingword~default-13-107112564-blog-99086678.235v38pc_relevant_sort_base3&spm=1001.2101.3001.4242.8&utm_relevant_index=14
https://blog.csdn.net/mu399/article/details/7722810
动态规划之01背包问题（最易理解的讲解）
https://github.com/youngyangyang04/leetcode-master/blob/master/problems/%E8%83%8C%E5%8C%85%E7%90%86%E8%AE%BA%E5%9F%BA%E7%A1%8001%E8%83%8C%E5%8C%85-1.md
https://zhuanlan.zhihu.com/p/93857890
动态规划之背包问题系列
https://blog.csdn.net/woshi250hua/article/details/7636866
【DP_背包专辑】【10.14最新更新】
https://blog.csdn.net/weixin_41082481/article/details/115922389?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7ERate-1-115922389-blog-72900009.235%5Ev38%5Epc_relevant_default_base3&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7ERate-1-115922389-blog-72900009.235%5Ev38%5Epc_relevant_default_base3&utm_relevant_index=2
动态规划-背包问题

用一个不重复的昵称
关注
2024年Unity 面试题 |五萬字 二佰道| Unity面试题大全，面试题总结【全网最全，收藏一篇足够面试】
努力前行，总会成为自己心中的那道光
02-23 12万+
正所谓 金三银四 ，又到了找工作的大好时机了，不知道大家有没有意向找一份更好的工作呢~ 之前写了很多Unity的学习和实例文章，但是面试题部分还没有一个系统的整理。 那本篇文章就来整理一下Unity中一些常见的面试题，说不准就会面试的时候就会遇到！ 本篇文章会将Unity所有方面的面试资料都融会贯通，绝对是2022年Unity面试领域最实用的文章啦！
unity游戏开发学习笔记
qq_29231163的博客
09-02 1万+
unity note： 游戏和三维互动内容开发工具，专业游戏引擎 游戏引擎： 一款游戏最核心的代码 包含： 渲染引擎，物理引擎、碰撞检测，音效、脚本引擎、动画系统 人工智能、网络引擎、场景管理。 游戏公司分工 策划、美工、软件工程师、测试工程师、客服 首月： day1： 环境搭建、C#语言基础、Unity API、物理引擎1、3D数学基础、UGUI 程序界面 Project->Assets文件 Hierarchy-> 对象 Scene 右键旋转 滚轮->前进后退 F键—&gt
背包问题-手撕题常见的一个重要板块
chris3will的博客
04-04 82
参考一些大佬的分享，总结基础的背包问题求解模板
ACM - DP - 提高1 （数字三角形 / 方格 + 最长上升子序列 + 背包）
CSDNWudanna的博客
08-06 534
这里写目录标题一、数字三角形模型：只能朝右或下走1、AcWing 1018. 最低通行费：只走一次2、AcWing 1027. 方格取数：走两次，只拿一次，且可重复3、AcWing 275. 传纸条：走两次，只拿一次，且不可重复二、最长上升子序列模型1、AcWing 1014. 登山：既上山又下山2、AcWing 1012. 友好城市：线性互不交叉3、AcWing 1016. 最大上升子序列和4、AcWing 1010. 拦截导弹：最长上升子序列 == 最少用多少个非上升子序列才能填满整个序列（反之亦然）5
LeetCode刷题指南(Java版)
weixin_34347651的博客
08-03 2815
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/a724888/article/details/81389292 这位大侠，这是我的公众号：程序员江湖。 分享程序员面试与技术的那些事。 干货...
Leetcode 部分题解
Umbrella Corporation
10-13 1万+
算法思想 双指针 排序 快速选择 堆排序 桶排序 荷兰国旗问题 贪心思想 二分查找 分治 搜索 BFS DFS Backtracking 动态规划 斐波那契数列 矩阵路径 数组区间 分割整数 最长递增子序列 最长公共子序列 0-1 背包 股票交易 字符串编辑 数学 素数 最大公约数 进制转换 阶乘 字符串加法减法 相遇问题 多数投票问题 其它 数据结构相关 链表...
CISSP认证考试指南(第7版)
cuibianzhen7802的博客
11-12 3933
第 1 章 安全和风险管理...............................1 1.1 安全基本原则.................................. 2 1...
软考中级-软件设计师 知识点整理（一篇就过了 建议收藏）
热门推荐
Y的博客
09-23 11万+
软考中级-软件设计师上午题知识点总结
个人博客详细文章目录索引(持续更新)
每个人都是独一无二的，把握好自己的节奏，跟着自己的心走。
01-26 7765
本索引目录会一直不断进行更新…最近更新时间：2022.6.7 16:38物联网：2020后半段时间学习的javaweb学习笔记可见语雀(当时记录在那里就不搬过来了)：语雀-Javaweb对应尚硅谷的Spring5学习笔记：语雀-框架/Spring5对应黑马SpringMVC教程学习笔记：语雀-框架/SpringMVC对应黑马SpringMVC教程学习笔记：语雀-框架/MybatisMyBatis插件：...................................................
软件设计师近10年上午真题解析知识点（并非绝对完整版）
qq_44858224的博客
10-31 2519
2009下半年 计算机硬件组成 1、CPU是计算机的控制中心，它的组成部分：运算器、控制器、寄存器组和内部总线 2、控制器用于协调和指挥整个计算机系统，它的组成部分：程序计数器(PC)、指令寄存器、指令译码器、时序产生器和操作控制器 3、程序寄存器是专用寄存器，具备寄存信息和技术两种功能 指令系统和计算机体系结构 4、CISC(复杂指令集计算机)：进一步增强原有指令的功能，用更为复杂的新指令取代原先由软件子程序完成的功能，实现软件功能的硬件化，导致机器的指令系统越来越庞大而复杂 5、RISC(精简指令集计算
算法题目总结：抓突破点的本质-解决问题
ChangeW fafa的博客
12-01 1453
二分 性质：有单调性的话一定可以二分，但是二分的题目不一定必须要求单调性 整数二分的本质：边界，整个区间一分为二，左满足右不满足，二分可以寻找满足性质的边界 两种不会错的万能板子：（整数二分） 如何选择模板： 先写check函数 思考true和false如何更新 二分的主要思想：答案所在的区间（保证区间里面有答案） 浮点数二分： 输出r和l均可，因为r和l足够接近 前缀和与差分 一维前缀和： Si = a1+a2+a3+…+ai 如何求Si：Si-1得到 求sum[l， r]：Sr-Sl
＜使用生成式AI对四种冒泡排序实现形式分析解释的探讨整理＞
m0_57859086的博客
10-01 1149
/冒泡排序实现1——不常用（这个版本两层for循环分别是i++、j++）// 声明三个整型变量i、j和temp用于循环控制和交换元素for (i = 0;i < n - 1;i++) { // 外层循环，从数组的第一个元素开始遍历到倒数第二个元素j < n;j++) { // 内层循环，从当前外层循环位置的下一个元素开始遍历到最后一个元素if (A[i] > A[j]) { // 如果当前元素大于下一个元素// 将当前元素存储到临时变量temp中// 将下一个元素赋值给当前元素。
【理论科学与实践技术】数学与经济管理中的学科与实用算法
wnm23的专栏
10-02 758
在现代商业环境中，数学与经济管理的结合为企业提供了强大的决策支持。本文将介绍几个主要学科，包括数学基础、经济学模型、管理学及风险管理，并探讨相关的实用算法和这些算法在中国及全球知名企业中的实际应用。
算法：按既定顺序创建目标数组
AWSDN的博客
09-29 254
本文主要介绍按既定顺序创建目标数组问题
DAY17||654.最大二叉树 |617.合并二叉树 |700.二叉搜索树中的搜索 |
2301_79865280的博客
09-29 1320
给定一个不含重复元素的整数数组。通过给定的数组构建最大二叉树，并且输出这个树的根节点。示例 ：构造二叉树一定要，因为要先找到中，才能分割左右子树。本题图解思路：本题做过上一题构建数组确实变得容易很多。代码优化方向有，不用每次找左右子树的时候构建新的数组的话效率就会高很多。（即直接用下标索引直接在原数组上操作）关于加不加if的问题，如果允许空节点进入递归，就不加。
【韩顺平Java笔记】第6章：数组、排序和查找
随手写写
10-02 728
排序是将多个数据，依指定的顺序进行排列的过程。
【算法】---归并排序（递归非递归实现）
何春秋的博客
10-03 1084
归并排序 in Java
C - Separated Lunch
最新发布
m0_74304371的博客
10-05 219
C - Separated Lunch(KEYENCE Programming Contest 2024 (AtCoder Beginner Contest 374))
背包问题解析：01背包、完全背包、多重背包
"这篇文章除了介绍背包问题的基本概念，还探讨了四种常见的背包问题类型，包括01背包问题、完全背包问题、多重背包问题和二维费用背包问题，并通过实例解析了每种问题的算法思想。文章还提及了如何通过动态规划优化...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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