背包问题笔记

对于背包问题算法的理解

01背包:

算是模板的代码:

#include<bits/stdc++.h>

using namespace std;

int dp[1005];
int weight[1005];
int value[1005];int main()
{
    int n,m;
    cin>>n>>m;
    memset(dp,0,sizeof(dp));
    for(int i=1; i<=n; i++)
        cin>>value[i]>>weight[i];
    for(int i=1; i<=n; i++)// 对每个数判断,可反
    {
        for(int j=m; j>=weight[i]; j--)// 这里这个循环定死,不能反, 反了就是完全背包
        {
            dp[j]=max(dp[j],(dp[j-weight[i]]+value[i]));// 不断在判断最优解
        }
    }
    for(int i=0;i<=m;i++)
        cout<<dp[i]<<"  ";
    cout<<endl;
    cout<<dp[m]<<endl;
    return 0;
}

其本质是遍历每一个物品,从满重量到该物品的重量,寻找当前最优解(max(dp[j],dp[j-weight[i]+value[i])(分别对应选和不选))对于遍历到每一个物品,dp[j]都是j重量下的最优解,然后不断更新dp数组,最后得出全局最优解。

规定从 m 开始循环,保证了选择这个物品时,肯定不会重复使用状态。

完全背包:

算是模板的代码:

#include<bits/stdc++.h>

using namespace std;

int value[1005];
int weight[1005];
int dp[10005];
int main()
{
    int m,n;
    cin>>n>>m;
    for(int i=1;i<=n;i++)
        cin>>value[i]>>weight[i];
    memset(dp,0,sizeof(dp));
    for(int i=1;i<=n;i++)
    {
        for(int j=0;j<=m;j++)
            if(j>=weight[i])
            dp[j]=max(dp[j],dp[j-weight[i]]+value[i]);
    }
    cout<<dp[m]<<endl;
}

与01背包不同,完全背包物品可以无限选用。所以j变量从小到大变化可以保证每件物品均可无限选用(用一组简单的数据测试便可理解),每次求最优值,最后得出全局最优值。

多重背包:

多重背包可以分解成01背包和完全背包的组合。

如果全部选择某一物品宣曼后仍然有剩余,则可以看做该物品可以无限选取;

如果不能看做无限选取,则可以看做一些相同的01背包的组合;

用二进制分解优化后的代码:

#include<bits/stdc++.h>
using namespace std;
const int N = 1005;

int dp[N];
int c[N],w[N],num[N];
int n,m;

void ZeroOne_Pack(int cost,int weight,int n)//吧01背包封装成函数
{
    for(int i=n; i>=cost; i--)
        dp[i] = max(dp[i],dp[i-cost] + weight);
}

void Complete_Pack(int cost,int weight,int n)//把完全背包封装成函数
{
    for(int i=cost; i<=n; i++)
        dp[i] = max(dp[i],dp[i-cost] + weight);
}

int Multi_Pack(int c[],int w[],int num[],int n,int m)//多重背包
{
    memset(dp,0,sizeof(dp));
    for(int i=1; i<=n; i++)//遍历每种物品
    {
        if(num[i]*c[i] > m)
            Complete_Pack(c[i],w[i],m);
            //如果全装进去已经超了重量,相当于这个物品就是无限的
            //因为是取不光的。那么就用完全背包去套
        else
        {
            int k = 1;
            //取得光的话,去遍历每种取法
            //这里用到是二进制思想,降低了复杂度
            //为什么呢,因为他取的1,2,4,8...与余数个该物品,打包成一个大型的该物品
            //这样足够凑出了从0-k个该物品取法
            //把复杂度从k变成了logk
            //如k=11,则有1,2,4,4,足够凑出0-11个该物品的取法
            while(k < num[i])
            {
                ZeroOne_Pack(k*c[i],k*w[i],m);
                num[i] -= k;
                k <<= 1;
            }
            ZeroOne_Pack(num[i]*c[i],num[i]*w[i],m);
        }
    }
    return dp[m];
}

int main()
{
    int t;
    cin>>t;
    while(t--)
    {
        cin>>m>>n;
        for(int i=1; i<=n; i++)
            cin>>c[i]>>w[i]>>num[i];
        cout<<Multi_Pack(c,w,num,n,m)<<endl;
    }
    return 0;
}

原文地址:https://www.cnblogs.com/cryingrain/p/8338100.html

时间: 2024-10-11 11:21:39

背包问题笔记的相关文章

背包问题九讲(+自己的笔记)

************************************************************ 注意,红色带部分,着重理解 并且将不定期更新,主要是增加一些自己的理解. 这是一个共同学习的过程 欢迎一起. ************************************************************  背包问题九讲 目录 第一讲 01背包问题 第二讲完全背包问题 第三讲多重背包问题 第四讲混合三种背包问题 第五讲二维费用的背包问题 第六讲分

背包问题九讲笔记_01背包(转)

http://blog.csdn.net/insistgogo/article/details/8579597 背包问题九讲笔记_01背包 分类: 算法导论2013-02-13 09:17 1752人阅读 评论(4) 收藏 举报 摘自Tianyi Cui童鞋的<背包问题九讲>,稍作修改,方便理解. 01背包问题描述 已知:有一个容量为V的背包和N件物品,第i件物品的重量是weight[i],收益是cost[i]. 限制:每种物品只有一件,可以选择放或者不放 问题:在不超过背包容量的情况下,最多

背包问题基本解法 —— 《背包九讲》笔记

相对于转载文章,我更喜欢写上一篇笔记,开篇给出原文链接.这样,能有些自己的东西,总结一番,对知识的理解能加深一层:别人看来,也更有价值. 今天做USACO题目时,一道题不会,网上查到解法是01背包,于是重新看了<背包九讲>.相比第一次看,理解深的多,可见我还是在进步的,只要我没停下脚步.如果大家想看原文,那么只需要百度“背包九讲”就好了,百度文库中的“背包九讲 2.0”是正版,作者是崔添翼前辈,网上好像称他为dd大牛.这篇文章可以说是“背包问题”的权威了,如果我了解无误的话,背包问题的整套解法

《算法导论》读书笔记之第16章 0-1背包问题—动态规划求解

原文:http://www.cnblogs.com/Anker/archive/2013/05/04/3059070.html 1.前言 前段时间忙着搞毕业论文,看书效率不高,导致博客一个多月没有更新了.前段时间真是有些堕落啊,混日子的感觉,很少不爽.今天开始继续看算法导论.今天继续学习动态规划和贪心算法.首先简单的介绍一下动态规划与贪心算法的各自特点及其区别.然后针对0-1背包问题进行讨论.最后给出一个简单的测试例子,联系动态规划实现0-1背包问题. 2.动态规划与贪心算法 关于动态规划的总结

1008-----算法笔记----------0-1背包问题(动态规划求解)

1.问题描述 给定n种物品和一个背包,物品i的重量是wi,其价值为vi,背包的容量为C.问:应该如何选择装入背包的物品,使得装入背包中物品的总价值最大? 2.问题分析 上述问题可以抽象为一个整数规划问题,即求满足 (a)Σwixi ≤ C:(b)xi ∈(0,1),  1≤i≤n:条件下,∑vixi最大时的一个物品xi序列.分析问题可以发现,该问题具有最优子结构性质,那么就可以尝试用动态规划方法求解,而动态规划求解的关键就是列出问题的递归关系表达式. 设m(i,j)为背包容量为j,可选物品为i,

背包问题九讲笔记_01背包

摘自Tianyi Cui童鞋的<背包问题九讲>,稍作改动,方便理解. 01背包问题描写叙述 已知:有一个容量为V的背包和N件物品,第i件物品的重量是weight[i],收益是cost[i]. 限制:每种物品仅仅有一件,能够选择放或者不放 问题:在不超过背包容量的情况下,最多能获得多少价值或收益 相似问题:在恰好装满背包的情况下,最多能获得多少价值或收益 这里,我们先讨论在不超过背包容量的情况下,最多能获得多少价值或收益. 基本思路 01背包的特点:每种物品仅仅有一件,能够选择放或者不放 子问题

数据结构学习笔记(01背包问题/图问题)

01背包问题:在M件物品取出若干件放在空间为W的背包里,每件物品的体积为W1,W2--Wn,与之相对应的价值为P1,P2--Pn.求如何安排能带走最多价值的物品? 动态规划解决背包问题: 设f(i,W)表示,从前i件物品中挑选一些,放进一个空间为W的背包中能获得的最大总价值. 那么如果第i件物品也在最优解中,那么f(i,W)=f(i-1,W-Wi)+Pi,因为从最优解中吧i去掉,前面选中的物品肯定能使一个空间为W-Wi的背包价值最大化,不然它们也不会出现在最优解中. 而如果第i件物品不在最优解中

背包问题学习笔记(一)

腾讯2014研发笔试涉及到了0-1背包问题,由此展开了背包问题的学习. 腾讯试题:“背包题目”的基本描述是:有一个背包,能盛放的物品总重量为S,设有N件物品,其重量分别为w1,w2,…,wn,希看从N件物品中选择若干物品,所选 物品的重量之和恰能放进该背包,即所选物品的重量之和即是S.递回和非递回解法都能求得“背包题目”的一组解,试写出“背包题目”的非递回解法. 以下内容转自http://zh.wikipedia.org/zh/%E8%83%8C%E5%8C%85%E9%97%AE%E9%A2%

背包问题学习笔记(二)

0-1背包问题解决代码,腾讯的试题中,只需将物品的价值与物品的重量取一样的值即可. PackProblemClass.h: // PackProblemClass.h: interface for the PackProblemClass class. // ////////////////////////////////////////////////////////////////////// #if !defined(AFX_PACKPROBLEMCLASS_H__60EB89B2_4A0