背包问题集合

文章目录

  • 01背包
  • 多重背包
    • 二进制优化多重背包
    • 单调队列优化
  • 完全背包
  • 混合背包
  • 有依赖的01背包

鉴于 @浮生闲 问了我单调队列优化多重背包的问题,我在以前整理的基础上加了对单调队列优化多重背包较为详细的解释后更新了一版。

01背包

给定n种物品(每种仅一个)和一个容量为c的背包,要求选择物品装入背包,使得装入背包中物品的总价值最大。

#include
using namespace std;
int dp[405][1505];
int w[405],v[405];

int main()
{
	int n,c,i,j;
	while(~scanf("%d%d",&n,&c))
	{
		for(i=0;i<405;i++)
			for(j=0;j<1505;j++)
				dp[i][j]=0;
		for(i=1;i<=n;i++)
			scanf("%d",&w[i]);
		for(i=1;i<=n;i++)
			scanf("%d",&v[i]);
		int bag=c;
		int ma=0;
		for(i=1;i<=n;i++)
		{
			for(j=1;j<=bag;j++)
			{
				if(j<w[i])
				dp[i][j]=dp[i-1][j];
				else
				{
					dp[i][j]=max(dp[i-1][j],dp[i-1][j-w[i]]+v[i]);
					ma=max(ma,dp[i][j]);
				}
				//cout<
			}
			//cout<
		}
		cout<<ma<<endl;
	}
	return 0;
}
#include   
 
using namespace std;  
int w[105],v[105];  
int dp[2][1005];//滚动数组优化01背包  
//滚动数组优化01背包   
int main()  
{  
    int t,m,res;  
    scanf("%d%d",&t,&m);  
    //读入数据  
    for(int i=1;i<=m;i++)  
        scanf("%d%d",&w[i],&v[i]);  
    for(int i=1;i<=m;i++)  
    {  
        for(int j=t;j>=0;j--)  
        {  
            if(j>=w[i])  
                dp[i%2][j]=max(dp[(i-1)%2][j-w[i]]+v[i],dp[(i-1)%2][j]);  
             else dp[i%2][j]=dp[(i-1)%2][j];  
           }  
        }  
    }  
    //输出最后一个数据  
    printf("%d",dp[m%2][t]);  
}  
  
//一维优化01背包  
#include   
  
using namespace std;  
int w[105],v[105];  
int dp[1000];  
int main()  
{  
  
    int t,m,res;  
    scanf("%d%d",&t,&m);  
    for(int i=1; i<=m; i++)  
        scanf("%d%d",&w[i],&v[i]);  
    for(int i=1; i<=m; i++)  
        for(int j=t; j>=w[i]; j--)  
            dp[j]=max(dp[j-w[i]]+v[i],dp[j]);  
    printf("%d",dp[t]);  
    return 0;  
}  

多重背包

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c[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。

二进制优化多重背包

通过将物品合并转化成01背包的形式
时间复杂度: O ( V ∗ Σ l o g n [ i ] ) O(V*Σlog n[i]) O(VΣlogn[i])

#include   
using namespace std;  
  
int n,m;//n个种类,m代表包总体积  
int v[11010],w[11010];//v代表体积,w代表价值  
int dp[2010];  
int main()  
{  
    scanf("%d%d",&n,&m);  
    int cnt=0;//cnt统计新的种类  
    for(int i=1; i<=n; i++)  
    {  
        int a,b,s;//体积,价值,数量  
        scanf("%d%d%d",&a,&b,&s);  
        //将s件用二进制转换为log2s堆  
        for(int k=1; k<=s; k<<=1)  
        {  
            v[++cnt]=k*a;//前++,第1种,第二种.....  
            w[cnt]=k*b;  
            s-=k;  
        }  
        if(s)//s有剩余,自立为新品种  
        {  
            v[++cnt]=s*a;  
            w[cnt]=s*b;  
        }  
    }  
    for(int i=1; i<=cnt; i++)  
        for(int j=m; j>=v[i]; j--)  
            dp[j]=max(dp[j],dp[j-v[i]]+w[i]);
            //动态转移方程和01背包完全相同  
    printf("%d",dp[m]);  
    return 0;  
}  

单调队列优化

以本题为例:6. 多重背包问题 III

尝试理解前建议先学习单调队列和完全背包。
单调队列入门
这种做法当作完全背包来理解,多重背包因为有数量限制,向前遍历的个数k是受到数量s限制的,而这个数量限制就可以理解成滑动窗口的宽度。通过单调队列来优化。每次内层循环队头弹出超过滑动窗口宽度的元素,队尾弹出不优的元素(在后面的转移过程中不可能用到它们来更新)。

先从朴素的写法入手:

for(int i=0;i<n;i++)
{
	int v,w,s;//体积 价值 数量
	cin>>v>>w>>s;
	for(int j=m;j>=0;j--)
		for(int k=1;k<=s&&k*v<=j;k++)
			f[j]=max(f[j],f[j-k*v]+k*w;
}

队列的单调性就是基于f[i][j] = max(f[i-1][j],f[i-1][j-v] + w,...,f[i-1][j-k*v]+k*w,要将前i - 1个物品的方案基础上不停尝试放入第i个物品,遍历取最大值。f[i-1][j-k*v]+k*w表示,总空间是j,有且仅有k个物品i,其余空间通过前i - 1个物品填充的最大价值。

还有一个细节需要注意:
比如我刚刚更新的f[7],然后去更新f[9],就需要f[7],f[5],f[3],但是f[7],f[5],f[3]都已经更新过了,就不能再用了。于是添加一个数组g存放f数组的初始值,也就是还没有更新的f数组的值,然后将g数组用单调队列维护,每次更新f中的值只需要从g中所对应的窗口选出最大的即可。

#include
using namespace std;
const int N=20010;
int f[N],g[N],q[N],n,m,v,w,s;
//f 用于状态转移,g 拷贝,q 记录入队元素的“位置”
int main()
{
    cin>>n>>m;
    for(int i=0;i<n;i++)
    {
        cin>>v>>w>>s;//单种物品的:体积 价值 数量
        memcpy(g,f,sizeof(f));
        for(int j=0;j<v;j++)//分同余类,j=0时是余数为0的同余类,以此类推
        {
            int hh=0,tt=-1;
            for(int k=j;k<=m;k+=v)//枚举一个同余类中的元素
            {
                if(hh<=tt&&q[hh]<k-s*v) hh++;//超过窗口宽度的元素从队头弹出
                while(hh<=tt&&g[q[tt]]-(q[tt]-j)/v*w<=g[k]-(k-j)/v*w) tt--;
                //队中那些“不优”的元素从队尾出队
                q[++tt]=k;//当前元素从队尾入队
                f[k]=g[q[hh]]+(k-q[hh])/v*w;
            }
        }
    }
    cout<<f[m];
    return 0;
}

时间复杂度: O ( N M ) O(NM) O(NM)

完全背包

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v[i],价值是val[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。

#include   
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])  
                dp[i][j]=max(dp[i-1][j],dp[i][j-v[i]]+val[i]);  
        }  
    printf("%d",dp[N][V]);  
    return 0;  
} 

一维优化

#include   
using namespace std;    
int N,V;  
int v[1010],val[1010];  
int dp[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=v[i]; j<=V; j++)  
            dp[j]=max(dp[j],dp[j-v[i]]+val[i]);
    printf("%d",dp[V]);//输出最大体积,即最优解  
    return 0;  
}  

混合背包

//混合背包,k==1表示只取一件(01背包),k>1多重背包,k==-1完全背包   
#include  
using namespace std;  
int dp[20005],w,v,k,s,n;  
int main()  
{  
    cin>>n>>s;  
    while(n--)  
    {  
        cin>>w>>v>>k;  
        if(k>=1)//多重背包与01背包   
        {  
            int x=1;  
            while(k>x)  
            {  
                for(int j=s;j>=x*w;j--)  
                    f[j]=max(f[j-w*x]+v*x,f[j]);  
                k-=x;  
                x<<=1;  
            }  
            for(int j=s;j>=w*k;j--)   
                f[j]=max(f[j-w*k]+v*k,f[j]);  
        }  
        else //完全背包   
        for(int j=w;j<=s;j++)  
            f[j]=max(f[j-w]+v,f[j]);  
    }  
    cout<<f[s]<<endl;  
    return 0;  
}  

有依赖的01背包

P1064 [NOIP2006 提高组] 金明的预算方案

#include 
using namespace std;

int num,sum;
int bag[32500];
int v[65][3];
int w[65][3];

int main()
{
	cin>>sum>>num;
	for(int i=1;i<=num;i++) 
	{
		int x,y,z;
		scanf("%d%d%d",&x,&y,&z);
		if(!z) v[i][0]=x*y,w[i][0]=x;
		else if(!v[z][1]) v[z][1]=x*y,w[z][1]=x;
		else v[z][2]=x*y,w[z][2]=x;
	}
	for(int i=1;i<=num;i++)
	{
		for(int j=sum;j>=w[i][0];j--)
		{
			bag[j]=max(bag[j],bag[j-w[i][0]]+v[i][0]);
			if(j>=w[i][0]+w[i][1]) 
				bag[j]=max(bag[j],bag[j-w[i][0]-w[i][1]]+v[i][0]+v[i][1]);
			if(j>=w[i][0]+w[i][2]) 
				bag[j]=max(bag[j],bag[j-w[i][0]-w[i][2]]+v[i][0]+v[i][2]);
			if(j>=w[i][0]+w[i][1]+w[i][2]) 
				bag[j]=max(bag[j],bag[j-w[i][0]-w[i][1]-w[i][2]]+v[i][0]+v[i][1]+v[i][2]);
		}
	}
	cout<<bag[sum];
	return 0;
}

你可能感兴趣的:(算法,动态规划)