背包问题的一个变种

灵感来自：http://poj.org/problem?id=1042

已知背包容量固定且为单位体积的N倍。

物品种类固定为M

每种物品都没有数量上限

每件物品的体积都是单位体积

每件物品的价值与背包中该类物品的数量有关，物品的价值与背包内该物品的数量成一次函数关系

第i 种物品的初始价值为fi，背包里每有一件该类物品，下一件该类物品的价值降低di

　　例：A货物的初始价值f1=10，价值递减系数di=1，背包中如果有两件A货物，其价值总和即为10+9=19

给出N，M，fi，di，求一个能得出最佳选择能使背包中物品的价值最高

其时间复杂度应当低于N*M

问：如何设计该算法，能否使该算法的时间复杂度为N+M

时间： 2024-10-12 16:51:02

背包问题的一个变种的相关文章

背包问题。一个背包引发血y

连续背包问题: 还是先讲一段故事吧.假如你是一个贼,有一天你去地主家偷东西.有4斤金沙,2斤银沙,10斤铜沙. 但是运气不好的是,你的包只能装8斤东西.那么你该偷什么走呢? 我们这边把这个问题分解成 方程式和约束条件 方程式:gx + sy + cz --->max #gsc分布代表金银铜 约束条件:x+y+z = 8 g>s>z   max(g)=4 max(s)=4 max(c)=4 这里这个问题,是贪心算法的主场,当然有很多解决问题的方法,我们的目的就是找到最优秀的解,我们先保证装

hdu5410 CRB and His Birthday

本题其实是经典(完全)背包问题的一个变种,只不过需要处理一下B[i]. 设dp[i]为花费i所得糖果最大值. 根据题目,共有n堆礼物,买k个第i堆礼物获得糖果A[i] * k + B[i] (k > 0),每堆礼物数不限. 我们可以把每一堆礼物中的每一个礼物单独看成一堆.那么一共有无穷堆共k组礼物. belong[i] = i % n代表现在的第i堆糖果原来属于哪一堆. 这样理论上下面的代码可以求解: 1 int solve(){ 2 for(int i = 0; ; i++){ 3 int k

JavaScript面试题：重复输出一个给定的字符串

面试题 重复输出一个给定的字符串(str第一个参数)n 次 (num第二个参数),如果第二个参数num不是正数的时候,返回空字符串. function repeatStringNumTimes(str, num) { return str; } repeatStringNumTimes("abc", 3); 提供测试情况: repeatStringNumTimes("*", 3) //应该返回 "***". repeatStringNumTime

HDU3496Watch The Movie （二维背包问题）

题目要求: 输入:三个整数N,M,L,分别代表想看的电影书,店里出售的电影数目,最长可看的时间,接下来给出N个电影各自的时长和价值 输出:能看到的最大价值,如果没有满足条件的输出0 解题思路: 二维背包问题,一个限制是时长之和有最大值,另一个是电影的数目有要求的值,为了方便用二维背包的思路求解,可以将第二个条件先看做是数目的最大值为M去求解,最后再找数目恰好为M的价值即可. 状态转移方程为:dp[i][j]=max{dp[i][j],dp[i-1][j-t[k]]+v[k]} 代码如下: # i

完全背包问题

完全背包问题 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. 基本思路 这个问题非常类似于01背包问题,所 不同的是每种物品有无限件.也就是从每种物品的角度考虑,与它相关的策略已并非取或不取两种,而是有取0件.取1件.取2件--等很多种.如果仍然按照解 01背包时的思路,令f[i][v]表示前i种物品恰放入一个容量为v的背包的最大权值.仍然可以按照每种物品不同的

回溯法-01背包问题之一：递归模式

一.回溯法 回溯法是一个既带有系统性又带有跳跃性的搜索算法.它在包含问题的所有解的解空间树中按照深度优先的策略,从根节点出发搜索解空间树.算法搜索至解空间树的任一节点时,总是先判断该节点是否肯定不包含问题的解.如果肯定不包含,则跳过对以该节点为根的子树的系统搜索,逐层向其原先节点回溯.否则,进入该子树,继续按深度优先的策略进行搜索. 运用回溯法解题通常包含以下三个步骤: · 针对所给问题,定义问题的解空间: · 确定易于搜索的解空间结构: · 以深度优先的方式搜索解空间,并且在搜索过程中用剪枝函

动态规划之背包问题

背包问题是一个经典的算法问题,可以用动态规划,贪心法,分支界限法等方法解决.问题描述:有n个物品,编号1,2,3,..n,其中第 i 个物品重量为Wi 价值 Vi ,有一个容量为W的背包.在容量允许范围内,如何选择物品,可以得到最大的价值.(为了简单起见,假设物品的重量 Wi 和价值Vi 都是正数) 今天主要说的是0.1背包问题,解法是动态规划.当然,对于另外两种问题也会有所介绍. 问题分析: 用动态规划解问题首先要有效的找出子问题,可以通过这个子问题得推得原问题的解,通常子问题的实质是和原问题

用两个栈实现一个队列—和 两个队列实现一个栈

大多数人的思路是:始终维护s1作为存储空间,以s2作为临时缓冲区. 入队时,将元素压入s1. 出队时,将s1的元素逐个“倒入”(弹出并压入)s2,将s2的顶元素弹出作为出队元素,之后再将s2剩下的元素逐个“倒回”s1. 见下面示意图:   上述思路,可行性毋庸置疑.但有一个细节是可以优化一下的.即:在出队时,将s1的元素逐个“倒入”s2时,原在s1栈底的元素,不用“倒入”s2(即只“倒”s1.Count()-1个),可直接弹出作为出队元素返回.这样可以减少一次压栈的操作.约有一半人,经提示后能意

趣题——三类背包问题

引言 背包问题作为一个经典问题在动态规划中是很基础的一个部分,而以0-1背包问题为原题,衍生出来的各类题目千变万化,解法也不同. 本文以三道背包问题的变体着手讲解,希望能够做到触类旁通. 0-1背包 给定n件物品和一个背包.物品i的价值是Wi,体积为Vi,背包的容量为C.可以任意选择装入背包的物品,求装入背包中的物品最大总价值.(Vi,C均为正整数) 在选择装入背包的物品时,有这样一个隐性条件:对每件物品i来说,要么全都放入背包,要么不放.不能将物品i多次装入(有切仅有一个),也不能部分装入.因