文章目录
- 一、背包问题
- 1. 背包问题简介
- 2. 背包问题解决方法
- 二、01 背包问题
- 1. 实现思路
- 2. 实现代码
- 三、完全背包问题
- 1. 实现思路
- 2. 实现代码
- 四、多重背包问题(一)
- 1. 实现思路
- 2. 实现代码
- 五、多重背包问题(二)
- 1. 实现思路
- 2. 实现代码
- 六、分组背包问题
- 1. 实现思路
- 2. 实现代码
一、背包问题
1. 背包问题简介
- 背包问题可以理解为,给定一个背包容量 target,再给定一个数组 nums(用以表示物品),能否按一定方式选取 nums 中的元素得到 target。
- 这里需要注意的有以下几点:
- (1) 背包容量 target 和物品 nums 的类型可能是数,也可能是字符串。
- (2) target 可能题目已经给出(显式),也可能是需要我们从题目的信息中挖掘出来(非显式)(常见的非显式 target 比如 sum/2 等)。
- (3) 选取方式有常见的一下几种:每个元素选一次/每个元素选多次/选元素进行排列组合 那么对应的背包问题就是下面我们要讲的背包分类。
- 背包问题主要可以分为四类,分别是:01 背包问题,完全背包问题,多重背包问题和分组背包问题。
- (1) 01 背包问题
- 01 背包问题是一种非常经典的背包问题。
- 01 背包问题主要是给定一个背包容量 V V V,再给定 N N N 件物品,每个物品有两种属性,分别是体积 v i v_i vi 和价值(权重) w i w_i wi,每件物品最多可以使用一次(即不是 0 次就是 1 次两种选择)。
- 问题是要在背包能装下的情况下,所挑出的物品总价值最大。
- (2) 完全背包问题
- 完全背包问题每件物品有无限个,只要背包的体积够用,就可以无限装同一个物品。
- (3) 多重背包问题
- 每个物品最多有 s i s_i si 个,包含一个朴素版和优化版。
- (4) 分组背包问题
- 有 N N N 组物品,每一组物品有若干个,每组物品当中只可以选一个,在此限制条件下求物品的最大价值。
- 上述的四种问题都是在背包体积足够的情况下,求解所能容纳物品的最大价值,这里需要注意的是,背包不一定非要装满。
2. 背包问题解决方法
- 对于上述问题,我们常使用动态规划解决此类问题。
- 动态规划总共包括两大部分,分别是状态表示(判断是几维,两维就是 f ( i , j ) f(i,j) f(i,j),每一个状态的含义是什么)和状态计算(如何计算出每一个 f ( i , j ) f(i,j) f(i,j))。
- 动态规划的优化通常都是对代码或者计算方程进行等价变化。
- f ( i , j ) f(i,j) f(i,j) 表示的选择方法只指从前 i i i 个物品中选和总体积不超过 j j j。
- 状态表示可分为集合(每一个状态表示的都是一个集合)和属性(包括最大值,最小值,元素的数量,我们的背包问题就是属性当中的最大值)。
- 状态计算对应的是集合的划分(每一个元素当前只会属于一个集合,每一个元素都存在),将 f ( i , j ) f(i,j) f(i,j) 划分为若干个子集和,每一个子集合都可以由更小的子集合表示。
二、01 背包问题
题目描述
有
N
N
N 件物品和一个容量是
V
V
V 的背包。每件物品只能使用一次。
第
i
i
i 件物品的体积是
v
i
v_i
vi,价值是
w
i
w_i
wi。
求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。
输出最大价值。
输入格式
第一行两个整数,
N
N
N,
V
V
V,用空格隔开,分别表示物品数量和背包容积。
接下来有
N
N
N 行,每行两个整数
v
i
,
w
i
v_i,w_i
vi,wi,用空格隔开,分别表示第
i
i
i 件物品的体积和价值。
输出格式
输出一个整数,表示最大价值。
数据范围
0
<
N
,
V
≤
1000
0<N,V≤1000
0<N,V≤1000
0
<
v
i
,
w
i
≤
1000
0<v_i,w_i≤1000
0<vi,wi≤1000
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例
8
具体实现
1. 实现思路
- 01 背包问题的集合划分是一种非常经典的划分方法,可整体划分为两部分,不包含 i i i 和包含 i i i。
- 不包含 i i i 可以理解为,从 1 到 i − 1 1到i-1 1到i−1 当中选取物品,总体积不大于 j j j,该集合的最大值就是 f ( i − 1 , j ) f(i-1,j) f(i−1,j)。
- 包含 i i i 可以理解为,从 1 到 i 1到i 1到i 当中选取物品,总体积不大于 j j j,该集合的最大值直接求取的困难很大,我们可以曲线救国,先将所有选法当中的第 i i i 个物品去掉(最大的那部分是依旧是最大的),便转换为从 1 到 i − 1 1到i-1 1到i−1 当中选取物品,总体积不大于 j − v i j-v_i j−vi,此时所有选法的最大值就是 f ( i − 1 , j − v i ) f(i-1,j-v_i) f(i−1,j−vi),但由于我们去掉过第 i i i 个物品,因此,原本的最大值就是 f ( i − 1 , j − v i ) + w i f(i-1,j-v_i)+w_i f(i−1,j−vi)+wi。
- 那么,最后所有的最大值就是 m a x ( f ( i − 1 , j ) , f ( i − 1 , j − v i ) + w i ) max(f(i-1,j),f(i-1,j-v_i)+w_i) max(f(i−1,j),f(i−1,j−vi)+wi)。
- 上述采用的是二维实现方法,对此,可以使用滚动数组将二维降阶为一维。
2. 实现代码
#include <bits/stdc++.h>
using namespace std;
const int N = 1010;
//n, m表示物品种数和背包体积
int n, m;
//v[N], w[N]表示物品的体积和价值
int v[N], w[N];
//f[N][N]表示总价值
int f[N][N];
int main()
{
cin >> n >> m;
for (int i = 1; i <= n; i ++ )
{
cin >> v[i] >> w[i];
}
//二维实现方法
for (int i = 1; i <= n; i ++ )
{
for (int j = 0; j <= m; j ++ )
{
f[i][j] = f[i - 1][j];
if (j >= v[i]) //如果可以装下当前第i个物品
{
f[i][j] = max(f[i][j], f[i - 1][j - v[i]] + w[i]);
}
}
}
cout << f[n][m] << endl;
return 0;
}
三、完全背包问题
题目描述
有
N
N
N 种物品和一个容量是
V
V
V 的背包,每种物品都有无限件可用。
第
i
i
i 种物品的体积是
v
i
v_i
vi,价值是
w
i
w_i
wi。
求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。
输出最大价值。
输入格式
第一行两个整数,
N
N
N,
V
V
V,用空格隔开,分别表示物品种数和背包容积。
接下来有
N
N
N 行,每行两个整数
v
i
,
w
i
v_i,w_i
vi,wi,用空格隔开,分别表示第
i
i
i 种物品的体积和价值。
输出格式
输出一个整数,表示最大价值。
数据范围
0
<
N
,
V
≤
1000
0<N,V≤1000
0<N,V≤1000
0
<
v
i
,
w
i
≤
1000
0<v_i,w_i≤1000
0<vi,wi≤1000
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例
10
具体实现
1. 实现思路
- 完全背包问题和 01 背包问题的区别在于完全背包问题当中的物品可以被选择无数次。
- 完全背包问题可以选择使用一维或二维进行解决,如果直接使用与 01 背包问题相同的方法是三个 for 循环,此时会超时,就需要进行优化。
- 那么, f [ i ] f[i] f[i] 就表示体积是 i i i 的情况下,最大价值是多少(状态表示)。
- f [ 0 … … m ] f[0……m] f[0……m] 当中的最大值就是我们所求的结果。
2. 实现代码
#include <bits/stdc++.h>
using namespace std;
const int N = 1010;
//n, m表示物品数量和背包体积
int n, m;
//v[N], w[N]表示物品的体积和价值
int v[N], w[N];
//f[N]表示总价值
int f[N];
int main()
{
cin >> n >> m;
for (int i = 1; i <= n; i ++ )
{
cin >> v[i] >> w[i];
}
for (int i = 1; i <= n; i ++ )
{
for (int j = v[i]; j <= m; j ++ )
{
f[j] = max(f[j], f[j - v[i]] + w[i]);
}
}
cout << f[m] << endl;
return 0;
}
四、多重背包问题(一)
题目描述
有
N
N
N 种物品和一个容量是
V
V
V 的背包。
第
i
i
i 种物品最多有
s
i
s_i
si 件,每件体积是
v
i
v_i
vi,价值是
w
i
w_i
wi。
求解将哪些物品装入背包,可使物品体积总和不超过背包容量,且价值总和最大。
输出最大价值。
输入格式
第一行两个整数,
N
N
N,
V
V
V,用空格隔开,分别表示物品种数和背包容积。
接下来有
N
N
N 行,每行三个整数
v
i
,
w
i
,
s
i
v_i,w_i,s_i
vi,wi,si,用空格隔开,分别表示第
i
i
i 种物品的体积、价值和数量。
输出格式
输出一个整数,表示最大价值。
数据范围
0
<
N
,
V
≤
100
0<N,V≤100
0<N,V≤100
0
<
v
i
,
w
i
,
s
i
≤
100
0<v_{i},w_{i},s_{i}≤100
0<vi,wi,si≤100
输入样例
4 5
1 2 3
2 4 1
3 4 3
4 5 2
输出样例
10
具体实现
1. 实现思路
- 多重背包问题与上述两种背包问题的区别在于每个物品最多有 s i s_i si 个。
- 此题与 01 背包问题基本相同。
2. 实现代码
#include <bits/stdc++.h>
using namespace std;
const int N = 110;
//n, m表示物品种数和背包体积
int n, m;
//v[N], w[N],s[N]表示物品的体积,价值,数量
int v[N], w[N], s[N];
//f[N][N]表示价值
int f[N][N];
int main()
{
cin >> n >> m;
for (int i = 1; i <= n; i ++ )
{
cin >> v[i] >> w[i] >> s[i];
}
for (int i = 1; i <= n; i ++ )
{
for (int j = 0; j <= m; j ++ )
{
for (int k = 0; k <= s[i] && k * v[i] <= j; k ++ )
{
f[i][j] = max(f[i][j], f[i - 1][j - v[i] * k] + w[i] * k);
}
}
}
cout << f[n][m] << endl;
return 0;
}
五、多重背包问题(二)
题目描述
有
N
N
N 种物品和一个容量是
V
V
V 的背包。
第
i
i
i 种物品最多有
s
i
s_i
si 件,每件体积是
v
i
v_i
vi,价值是
w
i
w_i
wi。
求解将哪些物品装入背包,可使物品体积总和不超过背包容量,且价值总和最大。
输出最大价值。
输入格式
第一行两个整数,
N
N
N,
V
V
V,用空格隔开,分别表示物品种数和背包容积。
接下来有
N
N
N 行,每行三个整数
v
i
,
w
i
,
s
i
v_i,w_i,s_i
vi,wi,si,用空格隔开,分别表示第
i
i
i 种物品的体积、价值和数量。
输出格式
输出一个整数,表示最大价值。
数据范围
0
<
N
≤
1000
0<N≤1000
0<N≤1000
0
<
V
≤
2000
0<V≤2000
0<V≤2000
0
<
v
i
,
w
i
,
s
i
≤
2000
0<v_{i},w_{i},s_{i}≤2000
0<vi,wi,si≤2000
输入样例
4 5
1 2 3
2 4 1
3 4 3
4 5 2
输出样例
10
具体实现
1. 实现思路
- 多重背包问题(二)与多重背包问题(一)的区别在于(二)的数据范围进行了扩大,如果直接暴力做法会导致超时,因此,需要进行优化。
- 由于(一)当中的做法与 01 背包问题基本相同,所以,我们只需要对与 01 背包问题相同的那一段进行优化。
- 这里引入二进制优化方法(用二进制表示十进制)。
- 举例说明,如果我们要从 0 枚举到 1023,十进制的做法需要我们枚举 1023 次,如果采用二进制做法,我们需要将 1023 分成十组,分别是 1,2,4,8,16,32,64,128,256 和 512,我们在这十组数字当中,每组任意取出一个数字,组合起来就可以得到 0 到1023 当中的任何数字,此时,我们只需要枚举 10 次即可。
2. 实现代码
#include <bits/stdc++.h>
using namespace std;
const int N = 12010, M = 2010;
//n,m表示物品种数和背包容积
int n, m;
//v[N], w[N]表示每组物品的总体积和总价值
int v[N], w[N];
//f[M]表示价值
int f[M];
int main()
{
cin >> n >> m;
//二进制枚举
int cnt = 0;//将物品重新分组后的顺序
for (int i = 1; i <= n; i ++ )
{
//a, b, s表示是每种物品的体积、价值和数量。
int a, b, s;
cin >> a >> b >> s;
int k = 1; //二进制拆分,打包时每组中有 k 个同种物品
while (k <= s) //最后一组的物品个数 < 2^(n+1) 1 2 4 8 16 ... 2^n 2^(n+1)
{
cnt ++ ;
v[cnt] = a * k;// 每组的体积
w[cnt] = b * k;// 每组的价值
s -= k; //得到剩余的物品数量
k *= 2;// 注意是 k * 2,每次增长一倍,不是k * k
}
if (s > 0)// 二进制拆分完之后 剩下的物品个数分为新的一组
{
cnt ++ ;
v[cnt] = a * s;
w[cnt] = b * s;
}
}
n = cnt; //将所得组数赋值给物品种数
for (int i = 1; i <= n; i ++ )
{
for (int j = m; j >= v[i]; j -- )
{
f[j] = max(f[j], f[j - v[i]] + w[i]);
}
}
cout << f[m] << endl;
return 0;
}
六、分组背包问题
题目描述
有
N
N
N 组物品和一个容量是
V
V
V 的背包。
每组物品有若干个,同一组内的物品最多只能选一个。
每件物品的体积是
v
i
j
v_{ij}
vij,价值是
w
i
j
w_{ij}
wij,其中
i
i
i 是组号,
j
j
j 是组内编号。
求解将哪些物品装入背包,可使物品总体积不超过背包容量,且总价值最大。
输出最大价值。
输入格式
第一行有两个整数
N
N
N,
V
V
V,用空格隔开,分别表示物品组数和背包容量。
接下来有
N
N
N 组数据:
- 每组数据第一行有一个整数 S i S_i Si,表示第 i i i 个物品组的物品数量;
- 每组数据接下来有 S i S_i Si 行,每行有两个整数 v i j , w i j v_{ij},w_{ij} vij,wij,用空格隔开,分别表示第 i i i 个物品组的第 j j j 个物品的体积和价值;
输出格式
输出一个整数,表示最大价值。
数据范围
0
<
N
,
V
≤
100
0<N,V≤100
0<N,V≤100
0
<
S
i
≤
100
0<Si≤100
0<Si≤100
0
<
v
i
j
,
w
i
j
≤
100
0<v_{ij},w_{ij}≤100
0<vij,wij≤100
输入样例
3 5
2
1 2
2 4
1
3 4
1
4 5
输出样例
8
具体实现
1. 实现思路
- 分组背包问题是指我们有 N N N 组物品,每组物品当中有若干个物品,每个物品的体积和价值各有不同,每组物品当中最多只能选一个(可以不选)。
2. 实现代码
#include <bits/stdc++.h>
using namespace std;
const int N = 110;
//n,m表示物品组数和背包容积
int n, m;
//v[N][N], w[N][N], s[N]表示物品的体积,价值和数量
int v[N][N], w[N][N], s[N];
//f[N]表示总价值
int f[N];
int main()
{
cin >> n >> m;
//每组物品的数据进行读入
for (int i = 1; i <= n; i ++ )
{
cin >> s[i];
for (int j = 1; j < s[i]; j ++ )
{
cin >> v[i][j] >> w[i][j];
}
}
for (int i = 1; i <= n; i ++ )
{
for (int j = m; j >= 0; j -- )
{
for (int k = 0; k < s[i]; k ++ )
{
if (v[i][k] <= j)
{
f[i][j] = max(f[i][j], f[i - 1][j - v[i][k]] + w[i][k]);
}
}
}
}
cout << f[m] << endl;
return 0;
}