背包问题——“01背包”及“完全背包”装满背包的方案总数分析及实现

最新推荐文章于 2024-03-28 21:34:21 发布
最新推荐文章于 2024-03-28 21:34:21 发布
阅读量2.4w 收藏 69
点赞数 19
分类专栏： 背包问题 文章标签： delete 测试 c
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/wumuzi520/article/details/7021210
版权

-----Edit by ZhuSenlin HDU

        本人博文《背包问题——“01背包”最优方案总数分析及实现》及《背包问题——“完全背包”最优方案总数分析及实现》中分别谈过“01背包”和“完全背包”实现最大价值的方案总数，这里我们再讨论一下这两种背包被物品刚好装满的方案总数。

        网上各大公司经常出题目：假设现在有1元、2元、5元的纸币很多张，现在需要20块钱，你能给多少种找钱方案，这就可以认为是完全背包问题，即背包容量为20，物品体积分别为1、2、5。

        还有公司出题目：给定一个数m，将m拆成不同的自然数的和的形式有多少种方案，这就是典型的01背包问题，背包容量为m，物品件数为k，这里面的k是隐含条件，可以求出来，因为m最多由1+2+…+k得到，由此可以根据m求得物品件数的上限。

 

       现在切入正题，我们先谈“01背包”将背包刚好装满的方案总数。“完全背包”和“01背包”极为相似，只有极少量代码变动。

 

       01背包装满的问题抽象化：

       设背包容量为V，一共N件物品，每件物品体积为C[i]，每件物品的价值为W[i]，求将背包装满的方案总数。

       1） 子问题定义：F[i][j]表示前i件物品中选取若干件物品放入剩余空间为j的背包中刚好把背包装满的方案总数。

       2） 根据第i件物品体积和所剩背包容量大小进行决策

                                              (1-1)

       注意初始化条件为F[0][0]=1，即没有物品放入容量为0的背包刚好放满的方案数为1。

       故可得伪代码如下：

	F[0][0] ← 1

  	for i ← 1 to N

      		do for j ← 0 to V

          	     if (j < C[i])

                         then F[i][j] ← F[i-1][j]

          	     else

             		 F[i][j] ← F[i-1][j]+F[i-1][j-C[i]]

  	return F[N][V]

        上述代码的空间复杂度为O(NV)，由状态方程可知，F[i][]只与F[i-1][]的状态有关，故可以用一维数组来代替二维数组，以降低空间复杂度为O(V)。

        降低空间复杂度为O(V)的伪代码如下：

	F[0] ← 1

  	for i ← 1 to N

      		do for j ← V to C[i]

          	   if (j >= C[i])

              		then F[j] ← F[j]+F[j-C[i]]

  	return F[V]

         注意对V的遍历变为逆序，至于为什么这样，请看本人博文《背包问题——“01背包”详解及实现（包含背包中具体物品的求解）》。

        接下来看看“完全背包”到底有哪些变化。看过《背包九讲》或者本人博文《背包问题——“完全背包”详解及实现（包含背包具体物品的求解）》的读者应该会能很快想到状态方程的变形，如下：

                                   (1-2)

        不错，状态方程是这样。F[i-1][j]表示背包中不含第i种物品时把背包装满的方案，F[i][j-C[i]]表示至少包含一件第i种物品把背包装满的方案总数。所以，当j<C[i]时F[i][j] = F[i-1][j]；当j >= C[i]时， F[i][j] = F[i][j-C[i]] + F[i-1][j],为什么是两者的和，因为F[i][j-C[i]]和F[i-1][j]都是[i][j]状态时把背包装满的方案，且两者互斥。

       伪代码如下：

	F[0][0] ← 1

  	for i ← 1 to N

      	    do for j ← 0 to V

          	if (j < C[i])

                         then F[i][j] ← F[i-1][j]

          	else

              	      F[i][j] ← F[i-1][j]+F[i][j-C[i]]

  	return F[N][V]

        同样上述伪代码的空间复杂度为O(NV)，我们也可以通过用一维数组来降低空间复杂度为O(V)。

        伪代码如下：

	F[0] ← 1

	for i ← 1 to N

      	    do for j ← C[i] to V

          	if (j >= C[i])

              	    then F[j] ← F[j]+F[j-C[i]]

  	return F[V]

         注意：上面对V的遍历为正序，为什么？请参考本人博文《背包问题——“完全背包”详解及实现（包含背包具体物品的求解）》。

 

下面提过两种这两种背包的实现代码

01背包装满的方案总数：

#include <iostream>
#include <cstring>
#include "CreateArray.h"	//该头文件是动态创建和销毁二维数组的，读者自己实现

using namespace std;

//时间复杂度O(NV)空间复杂度O(NV)

int Package01_FullOfPackage(int Weight[], int nLen, int nCapacity)
{
	int** MethodTable = NULL;
	CreateTwoDimArray(MethodTable,nLen+1,nCapacity+1);
	MethodTable[0][0] = 1;

	for(int i = 1; i <= nLen; i++)
	{
		for(int j = 0; j <= nCapacity; j++)
		{
			if(j < Weight[i-1])
				MethodTable[i][j] = MethodTable[i-1][j];
			else
				MethodTable[i][j] = MethodTable[i-1][j] + MethodTable[i-1][j-Weight[i-1]];
		}
	}

	cout << "MethodTable:" << endl;
	PrintTowDimArray(MethodTable,nLen+1,nCapacity+1);

	int nRet = MethodTable[nLen][nCapacity];
	DestroyTwoDimArray(MethodTable,nLen+1);
	return nRet;
}

//时间复杂度O(NV)空间复杂度O(V)

int Package01_FullOfPackage_Compress(int Weight[], int nLen, int nCapacity)
{
	int * MethodTable = new int [nCapacity+1];
	memset(MethodTable,0,(nCapacity+1)*sizeof(int));

	//initiallize all MethodTable[0] with 1
	MethodTable[0] = 1;

	for(int i = 0; i < nLen; i++)
	{
		for(int j = nCapacity; j >=Weight[i]; j--)
		{
			if(j >= Weight[i])
				MethodTable[j] += MethodTable[j-Weight[i]];
		}
	}

	int nRet = MethodTable[nCapacity];
	delete [] MethodTable;
	return nRet;
}

//测试代码 

int main()
{
	//int Weight[] = {1,1,1,1,1,1};
	int Weight[] = {1,2,3,4,5,6,7,8,9,10};
	int nCapacity = 20;
	cout << "AllCount:" << Package01_FullOfPackage(Weight,sizeof(Weight)/sizeof(int),nCapacity) << endl;
	cout << "AllCount:" << Package01_FullOfPackage_Compress(Weight,sizeof(Weight)/sizeof(int),nCapacity) << endl;
	return 0;
}

 

完全背包装满的方案总数：

//时间复杂度O(NV)空间复杂度O(NV)

int Package02_FullOfPackage(int Weight[], int nLen, int nCapacity)
{
	int** MethodTable = NULL;
	CreateTwoDimArray(MethodTable,nLen+1,nCapacity+1);

	MethodTable[0][0] = 1;

	for(int i = 1; i <= nLen; i++)
	{
		for(int j = 0; j <= nCapacity; j++)
		{
			if(j < Weight[i-1])
				MethodTable[i][j] = MethodTable[i-1][j];
			else
				MethodTable[i][j] = MethodTable[i-1][j]+MethodTable[i][j-Weight[i-1]];
		}
	}

	cout << "MethodTable:" << endl;
	PrintTowDimArray(MethodTable,nLen+1,nCapacity+1);
	
	int nRet = MethodTable[nLen][nCapacity];
	DestroyTwoDimArray(MethodTable,nLen+1);
	return nRet;
}

//时间复杂度O(NV)空间复杂度O(V)

int Package02_FullOfPackage_Compress(int Weight[], int nLen, int nCapacity)
{
	int * MethodTable = new int [nCapacity+1];
	memset(MethodTable,0,(nCapacity+1)*sizeof(int));

	//initiallize all MethodTable[0] with 1
	MethodTable[0] = 1;

	for(int i = 0; i < nLen; i++)
	{
		for(int j = Weight[i]; j <= nCapacity; j++)
		{
			if(j >= Weight[i])
				MethodTable[j] += MethodTable[j-Weight[i]];
		}
	}

	int nRet = MethodTable[nCapacity];
	delete [] MethodTable;
	return nRet;
}

//测试代码 

int main()
{
	int Weight[] = {1,2,5};
	//int Weight[] = {2,2,2};
	int nCapacity = 20;
	cout << "AllCount:" << Package02_FullOfPackage(Weight,sizeof(Weight)/sizeof(int),nCapacity) << endl;
	cout << "AllCount:" << Package02_FullOfPackage_Compress(Weight,sizeof(Weight)/sizeof(int),nCapacity) << endl;
	return 0;
}


本文部分内容参考《背包九讲》

wumuzi
关注
  • 19
    点赞
  • 踩
  • 69
    收藏
    觉得还不错? 一键收藏
  • 9
    评论
专栏目录
beibao2_背包问题_遗传算法_
10-03
背包问题(knapsack problem)是指从多种物品中选择几件物品装满背包。在不超过背包承受重量的前提下，使装入背包的物品价值最大。
算法之01背包问题和完全背包问题
有梦想的小新人的博客
07-18 1482
01背包问题，多重背包问题，完全背包问题的详细描述（适合有基础的人看）： 初始化合法状态解释：背包问题的dp数组的初始化其实就是合法状态的情况，就是在没有任何物品可以放入背包是的合法状态。假如说题目要求背包恰好装满的话，那么此时只有容量为0时的背包可以在什么也不装的状态下“恰好装满”，此时背包价值为0，其他容量的背包都没有合法的解，属于未定义的状态，所以我们就要定义非法值，通常为负无穷大，正无穷大，或者足够大或小的值，从而保证当前的合法解，一定是从之前的合法状态推导而来的。 正逆序解释：对于二维数组背包来说
算法系列--动态规划--背包问题(3)--完全背包介绍
最新发布
Mylvzi的博客
03-28 848
💕"Su7"💕作者：Lvzi文章主要内容：算法系列–动态规划–背包问题(3)–完全背包介绍大家好,今天为大家带来的是。
背包问题：0-1背包、完全背包和多重背包
h505722924的博客
03-10 431
背包问题泛指以下这一种问题： 给定一组有固定价值和固定重量的物品，以及一个已知最大承重量的背包，求在不超过背包最大承重量的前提下，能放进背包里面的物品的最大总价值。 这一类问题是典型的使用动态规划解决的问题，我们可以把背包问题分成3种不同的子问题：0-1背包问题、完全背包和多重背包问题。下面对这三种问题分别进行讨论。 1.0-1背包问题 0-1背包问题是指每一种物品都只有一件，可以选...
0-1背包问题、完全背包问题、多维背包问题详讲及代码示例
m0_46613023的博客
11-15 6535
0-1背包问题 有 N 件物品和一个容量为 V 的背包。放入第 i 件物品耗费的费用是 Ci（即占用背包的空间容量），得到的价值是 Wi。 求解将哪些物品装入背包可使价值总和最大。 这是最基础的背包问题，特点是：每种物品仅有一件，可以选择放或不放。 二维数组0-1背包问题的状态转移方程： F[i, v] = max{F[i − 1, v], F[i − 1, v − Ci] + Wi} 一维数组0-1背包问题的状态转移方程（优化后节省了空间）： F[v] = max{F[v], F[v − Ci]
动态规划：0-1背包、完全背包问题 | 详细原理解释 | 代码及优化（C++）
Cosmoshhhyyy的博客
02-05 2090
有N件物品和一个容量为V的背包。第i件物品的体积是c[i]，价值是w[i]。求解将哪些物品装入背包可使价值总和最大。
动态规划 | 01背包问题 | 背包是否能装满、最多能装多少、背包装满的最大价值 | 分割等和子集、石头相撞、1和0 | leecode刷题笔记
qq_44250700的博客
08-18 777
题目：有一堆石头，用整数数组 stones 表示。其中 stones[i] 表示第 i 块石头的重量。每一回合，从中选出任意两块石头，然后将它们一起粉碎。假设石头的重量分别为 x 和 y，且 x
01背包 完全背包是否恰好装满问题
石旭先森的博客
09-14 1128
01背包 完全背包是否恰好装满问题 朴素的背包代码是求小于等于背包体积能装的最大值，但有些时候题目要求背包需要完全装满。 恰好装满问题 是否恰好装满的解法不同只在于初始值的不同 恰好装满： 求最大值时，除了dp[0] 为0，其他都初始化为无穷小 -0x3f3f3f3f 求最小值时，除了dp[0] 为0，其他都初始化为无穷大 0x3f3f3f3f 不必恰好装满： 求最大值时...
01背包问题和完全背包问题难点详解
weixin_54398380的博客
01-21 1925
本文主要是用于复习，了解动态规划但是经常记不住要如何使用，以及为社么要这样用，不太适合刚学习动态规划的人。
01背包最大价值方案数
m0_52711790的博客
10-05 972
对于学计算机的同学来说，学习算法是一件非常重要的事情，废话不多讲，我们来讲讲“01背包最大价值方案数问题”。
beibao_fifteenuol_背包问题_遗传算法_
10-01
背包问题(knapsack problem)是指从多种物品中选择几件物品装满背包。在不超过背包承受重量的前提下，使装入背包的物品价值最
背包问题的求解
12-14
假设有一个能装入总体积为T的背包和n件体积分别为w1,w2,…wn的物品，能否从n件物品中挑选若干件恰好装满背包，即使w1+w2+…+wm=T，要求找出所有满足上述条件的解。 例如：当T=10，各件物品的体积{1,8,4,3,5,2}时...
0-1背包问题
12-07
0-1背包问题是子集选取问题。0-1 背包问题的解空间可以用子集树表示。在搜索解空间树时，只要其左儿子节点是一个可行节点，搜索就进入左子树。当右子树中有可能含有最优解时，才进入右子树搜索。否则，将右子树剪去...
背包问题实验报告（C语言实现、文件输入及文件输出）
11-08
假设有一个能装入总体积为T的背包和n件体积分别为w1 , w2 , … , wn 的物品，能否从n件物品中挑选若干件恰好装满背包，即使w1 +w2 + … + wn=T，要求找出所有满足上述条件的解。 命令行中输入《输入数据文件名》...
背包问题——“0-1背包”，“完全背包”（这样讲，还能不会？）
CYK_byte的博客
01-20 2303
用最简洁的语言，讲最通俗的教学~
背包九讲 之 01背包求方案数
actioncms的博客
03-03 1459
01背包求方案数 本文基于01背包问题 问题重述 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 最优选法的方案数。注意答案可能很大，请输出答案模 109+7 的结果。 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...
C++背包问题——完全背包必须装满的方案数
小天狼星_布莱克 的博客
07-24 1730
想要了解，就得先了解，点击下面方框查看（）C++背包问题——完全背包_闪耀的天狼星的博客-CSDN博客一个旅行者有一个最多能装M公斤的背包，现在有n件物品，它们的重量分别是W1，W2，...,Wn,它们的价值分别为C1,C2,...,Cn，求旅行者能获得最大总价值。但每种物品的数量是无限的，同时有一个背包，最大载重量为M，今从n种物品中选取若干件(同一种物品可以多次选取)，使其重量的和小于等于M，而价值的和为最大。，再来看题目，顾名思义，背包必须装满（限制条件必须刚好满足）...
01背包的变形问题----背包恰好装满
热门推荐
Iseno_V的博客
09-10 1万+
01背包的变形问题----背包恰好装满 在看本文之前建议先看一下我之前发过的01背包详解。 https://blog.csdn.net/Iseno_V/article/details/100001133 1. 问题的变形 在前面讲到的01背包问题中，现在我们把条件改为 “求当背包恰好装满时候取得的最大价值”。这样的问题其实本质上和原始的01背包问题区别不大，我们只需要做出一点小小的调整。 需要指出...
Java01背包问题实现回溯算法
11-18
以下是Java实现01背包问题的回溯算法的代码示例： ```java public class Knapsack { private int maxWeight = Integer.MIN_VALUE; // 背包能装的最大重量 private int[] items; // 物品重量数组 private int n; // 物品个数 private int w; // 背包重量 public void backTrack(int i, int cw) { if (i == n || cw == w) { // 装满了或者物品装完了 if (cw > maxWeight) { maxWeight = cw; } return; } backTrack(i + 1, cw); // 不装第i个物品 if (cw + items[i] <= w) { // 装第i个物品 backTrack(i + 1, cw + items[i]); } } public int getMaxWeight(int[] items, int n, int w) { this.items = items; this.n = n; this.w = w; backTrack(0, 0); return maxWeight; } } ``` 其中，`backTrack`方法是回溯算法的核心实现，`getMaxWeight`方法是对外暴露的接口，用于获取背包能装的最大重量。

“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 9
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