完全背包状态转移方程推导
首先完全背包问题的动态转移方程可写为:(w为val[i]简写)(v=v[i]简写)
dp(i,j)=max(dp(i-1,j) , dp(i-1,j-v)+w , dp(i-1,j-2v)+2w , dp(i-1,j-3v)+3w,
~~(以此类推到k) ,dp(i-1,j-k*v+kw))我简单解释一下上面的方程,其实就是利用01背包思想,要求无限个物品,实际上我最多能装V/v[i]个 (总体积除以的单个个体积),所以我从装0个,到装一个,2个,3个,k个这里面一定有其中一个,是能产生最大的价值!
然后我们利用上述公式推导出"完全背包的状态转移方程"
开始推导
(时刻注意与这个方程的联系)dp(i,j)=max(dp(i-1,j) , dp(i-1,j-v)+w , dp(i-1,j-2v)+2w , dp(i-1,j-3v)+3w,
~~(以此类推到k) ,dp(i-1,j-k*v+kw))推导开始
还是利用01背包思想
dp(i,j-v)=max( dp(i-1,j-v) , dp(i-1,j-2v)+w,dp(i-1,j-3v)+2w , dp(i-1,j-4v)+3w,~~
~依次类推到k , dp(i-1,j-kv)+(k-1)w) )我们在这个方程两侧同时加上w,即可得到
dp(i,j-v)+w=max( dp(i-1,j-v)+w , dp(i-1,j-2v)+2w,dp(i-1,j-3v)+3w , dp(i-1,j-4v)+4w,~~dp(i-1,j-kv)+kw)
我们在回顾一下这个方程
dp(i,j)=max(dp(i-1,j) , dp(i-1,j-v)+w , dp(i-1,j-2v)+2w , dp(i-1,j-3v)+3w,
~~(以此类推到k) dp(i-1,j-k*v)+kw))可以发现dp(i,j-v)+w可以替代
dp(i-1,j-v)+w , dp(i-1,j-2v)+2w , dp(i-1,j-3v)+3w,~~, dp(i-1,j-k*v)+kw
所以我们得出
完全背包的状态转移方程:dp(i,j)=max(dp(i-1,j),dp(i,j-v)+w)
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种物品的体积是vi,价值是ci。
现在请你选取一些物品装入背包,使这些物品的体积总和不超过背包容量,且价值总和最大。
其中1<=N<=100,1<=V<=50000,1<=vi,ci<=10000。
Input
第一行输入两个数N,V,分别表示物品种类数和背包容积; 之后N行,每行两个数vi,ci,分别表示第i种物品的体积和价值;
Output
输出一个数,表示最大的价值
Sample Input
2 11 2 3 6 14Sample Output
20
对应 代码🍨
#include <iostream>
using namespace std;
int N,V;
int v[1010],val[1010];
int dp[1010][1010];
int main()
{
scanf("%d%d",&N,&V);
for(int i=1; i<=N; i++)
{
scanf("%d%d",&v[i],&val[i]);
}
for(int i=1; i<=N; i++)
for(int j=0; j<=V; j++)
{
dp[i][j]=dp[i-1][j];//继承上一个背包
if(j>=v[i])
{ //完全背包状态转移方程
dp[i][j]=max(dp[i-1][j],dp[i][j-v[i]]+val[i]);
}
}
printf("%d",dp[N][V]);
return 0;
下面是用一维dp做的哈,和上面相比较更简便,节省空间!!!
#include<iostream>
#include<string.h>
#include<algorithm>
#include<stdio.h>
using namespace std;
int main()
{
int n,m,i,j;
int v[50010],c[50010],dp[50010];
scanf("%d%d",&n,&m);
memset(dp,0,sizeof(dp));
for(i=1;i<=n;i++)
scanf("%d%d",&v[i],&c[i]);
for(i=1;i<=n;i++)
{
for(j=v[i];j<=m;j++)
{
dp[j]=max(dp[j],dp[j-v[i]]+c[i]);
}
}
printf("%d\n",dp[m]);
return 0;
}