背包问题
01背包问题
抽象题目:
有
n
n
n件物品和一个容量为
v
v
v的背包。第i件物品的体积是v[i],价值是w[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量,且价值总和最大。
特点:每个物品最多选1次。
二维数组实现方式:
状态转换方程:dp[i][j]=max(dp[i-1][j],dp[i-1][j-v[i]]+w[i])
状态转换方程解释:
对于第i个物品有两种情况:
1.不选第i个物品时:dp[i][j]=dp[i-1][j]
2.选择第i个物品时:dp[i][j]=dp[i-1][j-v[i]]+w[i]
所以取最大的就ok:dp[i][j]=max{1.,2.}
初始化:dp[0][0]=0;
原题的代码实现:
#include<bits/stdc++.h>
using namespace std;
const int N=310;
int dp[N][N],w[N],v[N];
int n,m;
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=1;j<=m;j++){
dp[i][j]=dp[i-1][j];
if(j>=v[i])
dp[i][j]=max(dp[i-1][j],dp[i-1][j-v[i]]+w[i]);
// cout<<dp[i][j]<<" ";
}
// cout<<endl;
}
int ans=0;
for(int i=1;i<=m;i++)ans=max(ans,dp[n][i]);
cout<<ans<<endl;
return 0;
}
优化空间复杂度
以上方法的时间和空间复杂度均为O(N*V),其中时间复杂度基本已经不能再优化了,但空间复杂度却可以优化到O(V)。
一维数组实现
先考虑上面讲的基本思路如何实现,肯定是有一个主循环i=1…N,每次算出来二维数组f[i][0…V]的所有值。那么,如果只用一个数组f [0…V],能不能保证第i次循环结束后f[v]中表示的就是我们定义的状态f[i][v]呢?f[i][v]是由f[i-1][v]和f[i-1] [v-c[i]]两个子问题递推而来,能否保证在推f[i][v]时(也即在第i次主循环中推f[v]时)能够得到f[i-1][v]和f[i-1][v -c[i]]的值呢?事实上,这要求在每次主循环中我们以v=V…0的顺序推f[v],这样才能保证推f[v]时f[v-c[i]]保存的是状态f[i -1][v-c[i]]的值。伪代码如下:
for i=1…N
for v=V…0
f[v]=max{f[v],f[v-c[i]]+w[i]};
其中的f[v]=max{f[v],f[v-c[i]]}一句恰就相当于我们的转移方程f[i][v]=max{f[i-1][v],f[i- 1][v-c[i]]},因为现在的f[v-c[i]]就相当于原来的f[i-1][v-c[i]]。如果将v的循环顺序从上面的逆序改成顺序的话,那么则成了f[i][v]由f[i][v-c[i]]推知,与本题意不符,但它却是另一个重要的背包问题P02最简捷的解决方案,故学习只用一维数组解01背包问题是十分必要的。
一维数组实现的理论解释摘自:dd大牛的《背包九讲》
原题的实现代码:
#include<bits/stdc++.h>
using namespace std;
const int N=1010;
int dp[N],w[N],v[N];
int n,m;
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=m;j>=v[i];j--){
dp[j]=max(dp[j],dp[j-v[i]]+w[i]);
// cout<<dp[j]<<" ";
}
// cout<<endl;
}
// for(int i=0;i<=m;i++)cout<<dp[i]<<" ";
// cout<<endl;
cout<<dp[m]<<endl;
return 0;
}
完全背包问题
抽象题目:有N种物品和一个容量为V的背包,每种物品都有无限件可用。第i种物品的费用是v[i],价值是w[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量,且价值总和最大。
特点:每种物品可以选多次
和01背包的区别:在枚举时01背包内层循环体积从大到小进行枚举;完全背包是从小到大枚举体积
状态转换方程:
i
:
1
−
>
n
i:1->n
i:1−>n
j
:
v
−
>
m
j:v->m
j:v−>m
d
p
[
j
]
=
m
a
x
(
d
p
[
j
]
,
d
p
[
j
−
v
[
i
]
]
+
w
[
i
]
)
dp[j]=max(dp[j],dp[j-v[i]]+w[i])
dp[j]=max(dp[j],dp[j−v[i]]+w[i])
数学归纳法(递推):
1.假设考虑前i-1个物品之后,所有的dp[j]都是正确的
2.来证明,考虑完第i个物品后,所有的dp[j]也都是正确的
对于某个j而言,如果最优解中包含k个v[i]:
d
p
[
j
−
k
∗
v
[
i
]
]
;
dp[j-k*v[i]];
dp[j−k∗v[i]];
d
p
[
j
−
(
k
−
1
)
∗
v
[
i
]
−
v
[
i
]
]
+
w
[
i
]
包
含
1
个
v
[
i
]
dp[j-(k-1)*v[i]-v[i]]+w[i] 包含1个v[i]
dp[j−(k−1)∗v[i]−v[i]]+w[i]包含1个v[i]
⋅
⋅
⋅
⋅
⋅
⋅
······
⋅⋅⋅⋅⋅⋅
d
p
[
j
]
:
d
p
[
j
−
v
[
i
]
]
+
w
[
i
]
;
dp[j]:dp[j-v[i]]+w[i];
dp[j]:dp[j−v[i]]+w[i];
原题代码实现:
#include<bits/stdc++.h>
using namespace std;
const int N=10010;
int dp[N],w,v,n,m;
int main(){
cin>>n>>m;
for(int i=1;i<=n;i++){
cin>>v>>w;
for(int j=v;j<=m;j++)
dp[j]=max(dp[j],dp[j-v]+w);
}
cout<<dp[m]<<endl;
return 0;
}
多重背包问题
抽象题目:有N种物品和一个容量为V的背包。第i种物品最多有n[i]件可用,每件费用是v[i],价值是w[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量,且价值总和最大。
特点:物品的数量有特定的限制
和01背包的区别:在01背包的基础上再加一重循环来判断个数。
状态转换方程:
i
:
1
−
>
n
i:1->n
i:1−>n
j
:
m
−
>
v
j:m->v
j:m−>v
d
p
[
j
]
=
m
a
x
(
d
p
[
j
]
,
d
p
[
j
−
v
]
+
w
,
d
p
[
j
−
2
∗
v
]
+
2
∗
w
,
⋅
⋅
⋅
⋅
⋅
)
;
dp[j]=max(dp[j],dp[j-v]+w,dp[j-2*v]+2*w,·····);
dp[j]=max(dp[j],dp[j−v]+w,dp[j−2∗v]+2∗w,⋅⋅⋅⋅⋅);
时间复杂度: O ( n 3 ) O(n^3) O(n3)
解释:最大的情况的包括选第i个物品0->s个都有可能,所以从0->s个中取一个最大值。
原题代码实现:
#include<bits/stdc++.h>
using namespace std;
const int N=110;
int dp[N],v,w,s,n,m;
int main(){
cin>>n>>m;
for(int i=1;i<=n;i++){
cin>>v>>w>>s;
for(int j=m;j>=0;j--)
for(int k=1;k<=s&&k*v<=j;k++)
dp[j]=max(dp[j],dp[j-k*v]+k*w);
}
cout<<dp[m]<<endl;
return 0;
}
多重背包的二进制优化方法:
优化最终结果:转化为01背包的时间复杂度
优化物品的选择个数:
1.如果将所有的个数都加入到原来的v和w中
也就是说:如果物品1有7个,则可以将物品1*7加入到原来的v,w中(显然这种加入的方法和原来的时间复杂度是一样的)
2.由1.的拆解过程我们可以想到用
l
o
g
(
n
)
log(n)
log(n),来进行拆解的办法。
例如:物品1有10个,那么物品1就可以插接拆解成1,2,4,3。这样的话用这四个数就可以表示0~10中的数
如:选7个就可4+3;选8个就可4+4;选9个就可2+4+3。所以用
l
o
g
(
s
)
log(s)
log(s)个数就可以表示出0~s中任意一个数了。
需要注意的是:选择的 l o g ( s ) log(s) log(s)个数需要存储起来,以便后面的使用。
原题代码实现:
#include<bits/stdc++.h>
using namespace std;
const int N=2010;
int f[N],n,m;
struct Good{
int v,w;
};
int main(){
vector<Good>good;
cin>>n>>m;
for(int i=1;i<=n;i++){
int v,w,s;
cin>>v>>w>>s;
for(int k=1;k<=s;k*=2){
s-=k;
good.push_back({v*k,w*k});
}
if(s>0) good.push_back({v*s,w*s});
}
for(auto g:good)
for(int j=m;j>=g.v;j--)
f[j]=max(f[j],f[j-g.v]+g.w);
cout<<f[m]<<endl;
return 0;
}
多重背包单调队列优化
单调队列的基本算法思想:
滑动窗口:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-pWLpWD73-1628574940471)(./图片/单调队列.png)]
多重背包问题的状态方程:
f
[
j
]
=
m
a
x
(
f
[
j
−
v
]
+
w
,
f
[
j
−
2
v
]
+
2
w
+
⋅
⋅
⋅
⋅
+
f
[
j
−
k
∗
v
]
+
k
∗
w
)
f[j]=max(f[j-v]+w,f[j-2v]+2w+····+f[j-k*v]+k*w)
f[j]=max(f[j−v]+w,f[j−2v]+2w+⋅⋅⋅⋅+f[j−k∗v]+k∗w)
每次增加的时候都是:
v
:
1
−
k
,
w
:
1
−
k
;
v:1-k,w:1-k;
v:1−k,w:1−k;
f
[
0
]
f[0]
f[0]
f
[
v
]
=
1
∗
w
;
f[v]=1*w;
f[v]=1∗w;
f
[
2
v
]
=
2
∗
w
;
f[2v]=2*w;
f[2v]=2∗w;
⋅
⋅
⋅
⋅
····
⋅⋅⋅⋅
f
[
k
∗
v
]
=
k
∗
w
;
f[k*v]=k*w;
f[k∗v]=k∗w;
转化为一个等差数列
单调队列优化多重背包问题
参考视频链接
单调队列的滑动窗口问题:
参考链接
原题代码实现:
#include<bits/stdc++.h>
using namespace std;
const int N=20010;
int n,m;
int f[N],g[N],q[N];
int main(){
cin>>n>>m;
for(int i=0;i<n;i++){
int v,w,s;
cin>>v>>w>>s;
memcpy(g,f,sizeof f);
for(int j=0;j<v;j++){
int hh=0,tt=-1;
for(int k=j;k<=m;k+=v){//单调队列优化
f[k]=g[k];
if(hh<=tt&&k-s*v>q[hh]) hh++;
if(hh<=tt) f[k]=max(f[k],g[q[hh]]+(k-q[hh])/v*w);
while(hh<=tt&&g[q[tt]]-(q[tt]-j)/v*w<=g[k]-(k-j)/v*w) tt--;
q[++tt]=k;
}
}
}
cout<<f[m]<<endl;
return 0;
}
混合背包问题
抽象题目:就是将01背包和完全背包和多重背包混合起来
解题的思路:因为多重背包的时间复杂度较大,所以用多重背包的二进制优化方法的思路来想。
原题实现代码:
#include<bits/stdc++.h>
using namespace std;
const int N=1010;
int f[N],n,m;
struct Thing{
int k;//类型:-1:01背包,0:完全背包
int v,w;//体积,价值
};
vector<Thing>T;
int main(){
cin>>n>>m;
for(int i=0;i<n;i++){//二进制分配
int v,w,s;
cin>>v>>w>>s;
if(s<0) T.push_back({-1,v,w});
else if(s==0) T.push_back({0,v,w});
else {
for(int k=1;k<=s;k*=2){
s-=k;
T.push_back({-1,v*k,w*k});
}
if(s>0) T.push_back({-1,v*s,w*s});
}
}
for(auto t:T){//选择
if(t.k<0){
for(int j=m;j>=t.v;j--)
f[j]=max(f[j],f[j-t.v]+t.w);
}
else {
for(int j=t.v;j<=m;j++){
f[j]=max(f[j],f[j-t.v]+t.w);
}
}
}
cout<<f[m]<<endl;
return 0;
}
二维费用的背包问题
抽象题目:对于每件物品,具有两种不同的费用;选择这件物品必须同时付出这两种代价;对于每种代价都有一个可付出的最大值(背包容量)。问怎样选择物品可以得到最大的价值。设这两种代价分别为代价1和代价2,第i件物品所需的两种代价分别为a[i]和b[i]。两种代价可付出的最大值(两种背包容量)分别为V和U。物品的价值为w[i]。
在二维背包问题时多了个限制条件,只需要将前几个背包问题上多加入一维然后多加一层循环即可解决。
原题代码:
#include<bits/stdc++.h>
using namespace std;
const int N=110;
int n,m,v;
int f[N][N];
int main(){
cin>>n>>v>>m;
for(int i=0;i<n;i++){
int a,b,w;
cin>>a>>b>>w;
for(int j=v;j>=a;j--)
for(int k=m;k>=b;k--)
f[j][k]=max(f[j][k],f[j-a][k-b]+w);
}
cout<<f[v][m]<<endl;
return 0;
}
分组背包问题
抽象题目:有N件物品和一个容量为V的背包。第i件物品的费用是c[i],价值是w[i]。这些物品被划分为若干组,每组中的物品互相冲突,最多选一件。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量,且价值总和最大。
可以类比多重背包问题:可以看成多重背包中的个数,打包1个,打包2个···打包n个。
多重背包问题实际上时分组背包问题的一种特殊情况,分组问题可以用多重背包问题的普通方法来求解
#include<bits/stdc++.h>
using namespace std;
const int N=110;
int f[N],v[N],w[N];
int n,m;
int main(){
cin>>n>>m;
for(int i=0;i<n;i++){
int s;
cin>>s;
for(int j=0;j<s;j++) cin>>v[j]>>w[j];
for(int j=m;j>=0;j--)
for(int k=0;k<s;k++)
if(j>=v[k])
f[j]=max(f[j],f[j-v[k]]+w[k]);
}
cout<<f[m]<<endl;
return 0;
}
背包问题求方案数
题目描述:
有
N
N
N 件物品和一个容量是
V
V
V 的背包。每件物品只能使用一次。
第
i
i
i 件物品的体积是
v
i
v_i
vi,价值是
w
i
w_i
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
1
0
9
+
7
10^9+7
109+7 的结果。
解题思路:
本题求01背包的最佳方案数,那么定义两个数组:
f
[
N
]
,
c
n
t
[
N
]
f[N],cnt[N]
f[N],cnt[N]
f
[
i
]
f[i]
f[i] 用来存储背包容积为
i
i
i 时的最佳方案的总价值,
c n t [ i ] cnt[i] cnt[i] 为背包容积为 i i i 时总价值为最佳的方案数
先初始化所有的 c n t [ i ] cnt[i] cnt[i] 为 1 1 1,因为背包里什么也不装也是一种方案
外层循环
n
n
n 次,每次读入新物品的
v
,
w
v,w
v,w
求出装新物品时的总价值,与不装新物品时作对比
如果装新物品的方案总价值更大,那么用
f
[
j
−
v
]
+
w
f[j−v]+w
f[j−v]+w 来更新
f
[
j
]
f[j]
f[j],用
c
n
t
[
j
−
v
]
cnt[j−v]
cnt[j−v] 更新
c
n
t
[
j
]
cnt[j]
cnt[j]
如果总价值相等,那么最大价值的方案数就多了
c
n
t
[
j
−
v
]
cnt[j−v]
cnt[j−v] 种
代码实现:
#include<bits/stdc++.h>
using namespace std;
const int N = 1010;
const int mod = 1e9+7;
int f[N],g[N],value,n,m;
int main(){
cin>>n>>m;
for(int i=0;i<=n;i++)g[i]=1;
for(int i=1;i<=n;i++){
int v,w;
cin>>v>>w;
for(int j=m;j>=v;j--){
value=f[j-v]+w;
if(value>f[j]){
f[j]=value;
g[j]=g[j-v];
}else if(value==f[j]){
g[j]=(g[j]+g[j-v])%mod;
}
}
}
cout<<g[m]<<endl;
return 0;
}
求背包问题的方案
题目描述:有
N
N
N 件物品和一个容量是
V
V
V 的背包。每件物品只能使用一次。
第
i
i
i 件物品的体积是
v
i
v_i
vi,价值是
w
i
w_i
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 字典序最小的方案。这里的字典序是指:所选物品的编号所构成的序列。物品的编号范围是
1
…
N
1…N
1…N。
要用二维的01背包问题的解法,因为需要求具体的方案,所以要保留原来的状态。思路就是反推方案。
代码实现:
#include<bits/stdc++.h>
using namespace std;
const int N=1010;
int f[N][N],v[N],w[N];
int n,m;
int main(){
cin>>n>>m;
for(int i=1;i<=n;i++)cin>>v[i]>>w[i];
for(int i=n;i>=1;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+1][j],f[i+1][j-v[i]]+w[i]);
}
int res=m;
for(int i=1;i<=n;i++){
if(f[i][res]==f[i+1][res-v[i]]+w[i]&&v[i]<=res){
cout<<i<<" ";
res-=v[i];
}
}
return 0;
}
有依赖的背包问题
图解:
代码实现:
#include<iostream>
#include<algorithm>
#include<cstring>
using namespace std;
const int N=110;
int f[N][N],v[N],w[N],h[N],ne[N],e[N],idx;
int n,m;
void add(int a,int b)//a是b的父节点
{
e[idx]=b,ne[idx]=h[a],h[a]=idx++;
}
void dfs(int u)//因为u是根节点,所以u是必选的
{
for(int i=h[u];i!=-1;i=ne[i])//枚举子树
{
int son=e[i];//记录子树的根节点
dfs(e[i]);//因为dfs是自下而上的,所以需要从下到上计算
for(int j=m-v[u];j>=0;j--)//因为u是该树的根节点,所以必选,预留出u的空间
for(int k=0;k<=j;k++)//枚举该子树分配到的体积
f[u][j]=max(f[u][j],f[u][j-k]+f[son][k]);//加上该子树的值
}
//把物品u加进去,因为是根节点
for(int i=m;i>=v[u];i--) f[u][i]=f[u][i-v[u]]+w[u];
for(int i=0;i<v[u];i++) f[u][i]=0;//如果无法容纳物品u,那他的价值为0;
}
int main()
{
memset(h,-1,sizeof(h));
scanf("%d%d",&n,&m);
int anser;
for(int i=1;i<=n;i++)
{
int p;
scanf("%d%d%d",&v[i],&w[i],&p);
if(p==-1) anser=i;//寻找出祖宗节点
else add(p,i);
}
dfs(anser);
printf("%d",f[anser][m]);
return 0;
}