第八周作业
背包问题
01背包的空间优化
滚动数组
01背包的状态转移方程：f(i, j) = max{f(i - 1, j), f(i - 1, j - w[i]) + v[i]} (j >= w[i])
从状态转移方程中可以看出，推出 f(i, 0…m) 所需的状态为 f(i - 1, 0…m)，而最终答案一般为f(n, m)，因此存储状态 f(0…i - 2, 0…m) 和 f(i + 1…n, 0…m) 的存储空间都被浪费了。
如果将存储答案的数组的第一维的长度设置为 2，一半用来存储当前 i 的所有状态，另一半用来存储 i - 1 所有状态，就能节省大量的内存。i = 1 时，f(0, )存储起始条件，f(1, )存储当前状态；i = 2 时，f(0, ) 存储当前状态，f(1, ) 中是上次留下的 i = 1 的状态；i = 3 时，f(1, ) 存储当前状态，f(0, ) 中是上次留下的 i = 2 的状态。以此类推，可以重复利用不需要的存储空间。这就是滚动数组。
滚动数组需要根据 i 的值，来判断上次的状态的位置和当前状态的位置。上次的状态的位置 pre = (i - 1) & 1；当前状态的位置 now = i & 1。（i & 1 等效于 i % 2，可以用于判断奇偶。1 的二进制表示为多个 0 加上最后一个 1，奇数的二进制表示最后一位是 1，偶数的二进制表示最后一位是 0。奇数与 1 做与运算，结果最后一位是 1，其他位是 0，也就是 1；偶数与 1 做与运算，结果所有位都是 0，也就是 0。由于位运算较快，因此这种方式可以更快得到结果）
一维数组
再观察滚动数组，会发现计算 f(i & 1, j) 时，f((i - 1) & 1, j…m) 这些状态的值已经不再需要了，因此可以直接覆盖前一次的 j…m 的状态，这样只需要一维数组。但要注意，由于可以覆盖的存储为 j…m 的部分，内存循环不能再使用 j = 0 To m了，得使用 j = m To 0（再优化一下就是 j = m To w[i]，因为 j < w[i] 的状态的结果和上次相同），不然就不能保证每个物品只选择一次。
模板：
for (int i = 1; i <= n; i++)
{
for (int j = m; j >= w[i]; j--)
{
f[j] = max(f[j], f[j - w[i]] + v[i]);
}
}
完全背包
与01背包不同的是，多重背包问题的每件物品都可以选择无数次。因此状态转移方程的差别只在如果要选当前物品，从 f(i, j - w[i]) 去推出当前状态的结果，而不是用 f(i - 1, j - w[i])。因为 f(i, j - w[i]) 可能没有选过当前物品，可能选过很多次当前物品，符合多重背包。
完全背包的状态转移方程：f(i, j) = max{f(i - 1, j), f(i, j - w[i]) + v[i]} (j >= w[i])
完全背包空间优化
完全背包也可以采用滚动数组的方式来节省内存占用，原理与01背包相同。
此外也可以使用一维数组来优化。与01背包的区别在于内部循环，01背包使用逆向循环来避免多次选择，完全背包使用正向循环来解决多次选择的问题。
模板：
for (int i = 1; i <= n; i++)
{
for (int j = w[i]; j <= m; j++)
{
f[j] = max(f[j], f[j - w[i]] + v[i]);
}
}
多重背包
多重背包是物品可以选择一定次数 t。
把每个物品拆成 t 个只能选择一次的物品，则可以将多重背包转成01背包来解决。但时间复杂度高，很多时候不能满足要求。
二进制拆分
二进制拆分原理：
类似于用二进制来表示一个数。众所周知，用 n 个二进制位可以组合出 2 ^ n - 1 个数字，其中每一个二进制位分别代表 1, 2, 2 ^ 2, 2 ^ 3, 2 ^ 4, …
类似的，用 1, 2, 2 ^ 2, … 个相同物品，就可以组合出 0 … 2 ^ n - 1 的所有物品数量。因此只需要找到一个最大的n，使 2 ^ n - 1 <= t，然后将这 t 个物品拆分为 1, 2, 2 ^ 2, …, 2 ^ (n - 1), t - 2 ^ n + 1个物品的组合，将这些组合视为单独的物品，再进行01背包。
具体实现在作业中
分组背包
有多组物品，每组最多选一个。与01背包类似，把每个组当作一个物品，在加一层循环用于判断选择组中的哪一个物品。
第一题
题目1
有一些不同种类的草药，采每一种都需要一些时间，每一种也有它自身的价值。给一段时间，求采到的草药的总价值最大。
思路1
是一个完全背包的问题，直接套用模板即可。（由于数字较大，需要 long long）
代码1
#include<iostream>
using namespace std;
const int MAX = 1e7 + 1;
long long ans[MAX];
int ct[MAX], cv[MAX];
int main()
{
int t, m;
cin >> t >> m;
for (int i = 1; i <= m; i++)
{
cin >> ct[i] >> cv[i];
}
//使用一维数组
for (int i = 1; i <= m; i++)
{
for (int j = ct[i]; j <= t; j++)
{
ans[j] = max(ans[j], ans[j - ct[i]] + cv[i]);
}
}
cout << ans[t] << endl;
return 0;
}
第二题
题目2
有 n 棵樱花树，每棵都有美学值 ci，看每棵樱花树都有一定的时间 ti。有三种樱花，一种樱花树看一遍过，一种樱花树可以看多次，一种樱花树可以看无数遍。问一定时间内看的樱花的美学值和最大。
思路2
这是一个混合的背包问题。对于多重背包的部分，将其运用二进制拆分成01背包，使问题变为01背包和完全背包的混合。而01背包和完全背包的基本框架相同，区别只在内层循环和状态转移方程，因此可以在外层循环和内层循环直接判断背包类型，进行不同的内存循环。
代码2
#include<iostream>
#include<cstdio>
using namespace std;
//存状态的答案，经过二进制拆分后的美学值，经过二进制拆分的耗时，经过二进制拆分后的物品数量
int ans[10000], c[100000], t[100000], rn = 0;
//存某个物品是否是完全背包（拆分后的物品）
bool infinity[100000];
//添加一个物品（用于拆分物品）
//参数：美学值，耗时，可观看次数（0是无限次，1是一次，拆分后不存在其他的次数）
void add(int ac, int at, int ap)
{
rn++;
c[rn] = ac;
t[rn] = at;
infinity[rn] = ap == 0;
}
int main()
{
//n、现在时间的时、现在时间的分、上学时间的时、上学时间的分、现在到上学的时间
int n, sh, sm, eh, em, tt;
scanf("%d:%d %d:%d %d", &sh, &sm, &eh, &em, &n);
//计算现在到上学的时间
tt = em - sm + (eh - sh) * 60;
//读
for (int i = 1; i <= n; i++)
{
//耗时，美学值，次数
int ti, ci, pi;
cin >> ti >> ci >> pi;
//如果时多重背包
if (pi > 1)
{
//二进制拆分
int temp = 1;
//拆分成数量为 1, 2, 2 ^ 2, ..., 2 ^ (n - 1) 的部分
while (temp * 2 - 1 <= pi)
{
add(temp * ci, temp * ti, 1);
temp *= 2;
}
//超过 2 ^ n - 1 的部分
int left = pi - temp + 1;
if (left != 0)
{
add(left * ci, left * ti, 1);
}
}
//01背包或者完全背包
else
{
add(ci, ti, pi);
}
}
for (int i = 1; i <= rn; i++)
{
//完全背包
if (infinity[i])
{
//完全背包模板
for (int j = t[i]; j <= tt; j++)
{
ans[j] = max(ans[j], ans[j - t[i]] + c[i]);
}
}
//01背包
else
{
//01背包模板
for (int j = tt; j >= t[i]; j--)
{
ans[j] = max(ans[j], ans[j - t[i]] + c[i]);
}
}
}
cout << ans[tt] << endl;
return 0;
}
第三题
题目3
有 n 种花，每种ai个，一共要选出m个花，问选择方案的个数
思路3
这是一个多重背包的方案数问题。方案数的计算与计算最大值类似，只需要把状态转移方程中的求最大值改为累加。
代码3
#include<iostream>
using namespace std;
int a[105], n, m, ans[105];
const int MOD = 1e6 + 7;
int main()
{
cin >> n >> m;
for (int i = 1; i <= n; i++)
{
cin >> a[i];
}
ans[0] = 1;
for (int i = 1; i <= n; i++)
{
for (int j = m; j >= 0; j--)
{
//考虑选不同个数时的不同情况
for (int k = 1; k <= min(a[i], j); k++)
{
ans[j] += ans[j - k];
ans[j] %= MOD;
}
}
}
cout << ans[m] << endl;
return 0;
}
第四题
题目4
有一定数量的主件和附件，每个件都有价格和重要度。此外，选择附件时必须选择主件。现在有一定钱，问如何购买使价格和重要度的乘积和最大。
思路4
将一个主件和对应的所有附件看作一个物品组。每个带2个附件的组有4种选择方式：只选主件、选主件和1号附件、选主件和2号附件、选主件和所有附件。然后对所有这样的物品组进行01背包，只需要向状态转移方程中加入4中方式的判断即可。
代码4
#include<iostream>
using namespace std;
//最大的钱的数量、最大的物品数
constexpr int maxN = 3.2e4 + 5, maxM = 60 + 5;
//钱的数量、物品数、存每组物品的价值、存每组物品的重要度、存放每个状态的答案
int n, m, v[maxM][3], w[maxM][3], ans[maxN];
int main()
{
cin >> n >> m;
for (int i = 1; i <= m; i++)
{
int tv, tp, tq;
cin >> tv >> tp >> tq;
//是主件
if (tq == 0)
{
v[i][0] = tv;
w[i][0] = tp;
}
//是附件
else
{
//是第一个附件
if (v[tq][1] == 0)
{
v[tq][1] = tv;
w[tq][1] = tp;
}
//是第二个附件
else
{
v[tq][2] = tv;
w[tq][2] = tp;
}
}
}
//01背包
for (int i = 1; i <= m; i++)
{
//只对存有物品组的做内层循环
if (v[i][0] != 0)
{
for (int j = n; j >= v[i][0]; j--)
{
//不选或只选主件
ans[j] = max(ans[j], ans[j - v[i][0]] + w[i][0] * v[i][0]);
//能选主件+1号附件时
if (j >= v[i][0] + v[i][1])
{
ans[j] = max(ans[j], ans[j - v[i][0] - v[i][1]] + w[i][0] * v[i][0] + w[i][1] * v[i][1]);
}
//能选主件+2号附件时
if (j >= v[i][0] + v[i][2])
{
ans[j] = max(ans[j], ans[j - v[i][0] - v[i][2]] + w[i][0] * v[i][0] + w[i][2] * v[i][2]);
}
//能选主件+所有附件时
if (j >= v[i][0] + v[i][1] + v[i][2])
{
ans[j] = max(ans[j], ans[j - v[i][0] - v[i][2] - v[i][1]] + w[i][0] * v[i][0] + w[i][2] * v[i][2] + w[i][1] * v[i][1]);
}
}
}
}
cout << ans[n] << endl;
return 0;
}
173
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
