动态规划母题:01背包问题

这篇具有很好参考价值的文章主要介绍了动态规划母题:01背包问题。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1. 前置知识

动态规划与图论,前缀和与差分等有模板的算法不同,动态规划更考察思维能力,而不是运用模板的能力。

个人认为 Acwing 关于动态规划的讲解比较容易理解。我会根据 Acwing 的动态规划解题思路来讲解题目。

虽说动态规划没有固定的模板,但是还是有相对固定的套路。但是思维能力以及经验积累在解决动态规划的题目中十分重要。

动态规划母题:01背包问题,数据结构与算法,动态规划,算法

集合:表示状态中每一个下标位置可能的选择。

属性:表示状态中每一个下标位置可能的选择的属性。(一般是最大值或者最小值,将选择附加上属性,就会得到每一个下标位置的最终结果)。

状态计算:将每一个状态中的集合进行划分,根据集合的划分推出状态转移方程。

集合划分的依据:划分出来的所有集合的并集不得遗漏一个状态中的任何选择。但是可以重复。

这些东东可能会很抽象,后面的例题会帮助大家理解这写东东。

2. 01背包问题 (来源:Acwing)

原题链接:2. 01背包问题 - AcWing题库

题目描述:

有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。

第 i 件物品的体积是 vi,价值是 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,V,,用空格隔开,分别表示物品数量和背包容积。

接下来有 N 行,每行两个整数 vi, wi,用空格隔开,分别表示第 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< vi, wi ≤1000

输入样例:

4 5
1 2
2 4
3 4
4 5

输出样例:

8

我们直接按照上面给出的套路来:

状态表示:f [i, j] (代表状态是一个二维的,这里就不写成二维数组的形式了,比较麻烦。) 

二维数组中每一个下标代表的集合:从 1 - i 个物品中选,并且总体积不超过 j 的选法的集合。

属性:集合中选法的最大价值。(将属性附加到集合得到的结果就是二维数组中每个下标的结果)

状态计算:

集合划分:将状态划分成两个集合:1:从1 - i 个物品中选,选择 i ,且价值不超过 j 的所有选法;2:从 1 - (i - 1) 个物品选,不选择 i ,且价值不超过 j 的所有选法。

划分依据的验证:二维数组每一个下标的最终值就是,代表从 1 - i 个物品中选,且总体积不超过 j 的选法的价值最大值。显然这个集合划分没有漏掉该下标位置对应的所有选法。

状态转移方程:根据集合划分,我们只要求出划分出的两个集合中所有选法价值的最大值即可。

动态规划母题:01背包问题,数据结构与算法,动态规划,算法

注意:j - v[i] 必须保证 j >= v[i] 哦!最终的答案就是 f[N][V] 。

#include<iostream>
using namespace std;

const int N = 1010;
int v[N], w[N];
int f[N][N];
int m, n;

int main()
{
    cin >> m >> n;
    for(int i = 1; i <= m; i++)
        cin >> v[i] >> w[i];
        
    f[0][0] = 0; // 全局变量默认初始化为0,可以不写
    for(int i = 1; i <= m; i++)
    {
        for(int j = 0; j <= n; j++)
        {
            f[i][j] = f[i - 1][j];
            if(j >= v[i])
                f[i][j] = max(f[i][j], f[i - 1][j - v[i]] + w[i]);
        }
    }
    cout << f[m][n] << endl;
        
    return 0;
}

 3. 空间优化

直接将状态从二维压缩到一维,观察结果会不会出错:

f[ i ][ j ] = f[ i - 1][ j ],用到的是上一层即 i - 1 层的状态,若遍历体积大小( j )是从小到大遍历,那么状态压缩之后的计算结果就是用第 i 层的状态来算的,不正确,因此我们需要改变遍历的顺序,从大到小遍历。

f[i][j] = max(f[i][j], f[i - 1][j - v[i]] + w[i]),用到的同样是上一层的状态,因此同样不能从小到达遍历体积,必须从大到小遍历体积才能保证状态的转移是从上一层来的。

综上所述,只需要改变体积的遍历顺序就可以将二维的状态压缩到一维。文章来源地址https://www.toymoban.com/news/detail-529370.html

#include<iostream>
using namespace std;

const int N = 1010;
int v[N], w[N];
int f[N];
int m, n;

int main()
{
    cin >> m >> n;
    for(int i = 1; i <= m; i++)
        cin >> v[i] >> w[i];
        
    f[0] = 0; // 全局变量默认初始化为0,可以不写
    for(int i = 1; i <= m; i++)
        for(int j = n; j - v[i] >= 0; j--)
            f[j] = max(f[j], f[j - v[i]] + w[i]);
            
    cout << f[n] << endl;
        
    return 0;
}

到了这里,关于动态规划母题:01背包问题的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Java数据结构与算法----动态规划(背包篇)

    1.1.算法思路 0/1背包是动态规划、背包问题中最经典的问题啦!它主要的问题是: 给定n种物品、这n种物品的重量分别是,价值分别是 ,而你有一个容量为C的背包,请问如何求出所能拿的最大价值呢? 对于动态规划,我们先需要找到一条推导公式,然后确定边界: 我们设

    2024年02月07日
    浏览(50)
  • 【动态规划专栏】-- 01 背包问题 -- 动态规划经典题型

    目录 背包问题概述 01 背包问题 01背包⭐⭐  【算法原理】 第一问 第二问 C++ 算法代码 复杂度分析 【空间优化 - 滚动数组】 C++ 算法代码 复杂度分析 分割等和子集⭐⭐ 【算法原理】  对于类01背包问题 C++ 算法代码  【空间优化 - 滚动数组】  C++ 算法代码 目标和⭐⭐ 【算

    2024年02月05日
    浏览(57)
  • 动态规划——01背包问题

    由于本人实力尚浅,接触算法没多久,写这篇blog仅仅是想要提升自己对算法的理解,如果各位读者发现什么错误,恳请指正,希望和大家一起进步。(●’◡’●) 状态表示 :用一个数组 f[][] (数组可能是一维也可能是二维,根据具体题目具体分析)来表示某个集合,这个集合

    2024年02月03日
    浏览(44)
  • 【动态规划】01背包问题

    动态规划是一种非常常见的算法,不论是在我们平时刷题的过程中还是在竞赛中,总会见到动态规划的身影,而动态规划又分为很多种,其中01背包问题是非常典型的一类动态规划问题。如果大家之前没有了解过动态规划,建议大家先去学习学习动态规划,直接开始01背包问题

    2024年04月15日
    浏览(49)
  • 动态规划:01背包问题(二)

    上篇博客动态规划:01背包问题(一)将的是用二维数组来解决,而本篇博客就是把二维dp数组降为一维dp数组(滚动数组)在使用二维数组的时候,递推公式:dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]); 其实可以发现如果 把dp[i - 1]那一层拷贝到dp[i]上 ,表达式完全可以是

    2024年01月22日
    浏览(60)
  • 动态规划01背包问题

    假设你是一名经验丰富的探险家,背着背包来到野外进行日常探险。天气晴朗而不燥热,山间的风夹杂着花香,正当你欣赏这世外桃源般的美景时,突然,你发现了一个洞穴,这个洞穴外表看起来其貌不扬,但凭借着惊为天人的直觉,这个洞穴不简单。于是,你开始往洞穴内

    2024年02月06日
    浏览(42)
  • 动态规划(01背包问题)

    本文默认读者具有动态规划前置知识 动态规划的特点: 重叠子问题 状态转移方程 最优子结构 题型: 求最值 解题套路: 明确【状态】 明确【选择】 明确dp函数/数据的定义 明确base case 例:给你一个可装载容量为W的背包和N个物品,每个物品有重量和价值两个属性。其中第

    2024年04月16日
    浏览(39)
  • 动态规划_01背包问题

    描述 一个旅行者有一个最多能装   M   公斤的背包,现在有   n   件物品,它们的重量分别是   W 1 ​ , W 2 ​ , ... , W n ​ , 它们的价值分别为   C 1 ​ , C 2 ​ , ... , C n ​ ,求旅行者能获得最大总价值。 输入描述 第 1 行:两个整数, M   (背包容量, M ≤ 200   )和   N  

    2024年04月29日
    浏览(40)
  • 动态规划-01背包问题

    算法思路: 背包问题的状态表⽰⾮常经典,如果⼤家不知道怎么来的,就把它当成⼀个「模板」记住吧~ 我们先解决第⼀问: 1. 状态表⽰ : dp[i][j] 表⽰:从前 i 个物品中挑选,总体积「不超过」 j ,所有的选法中,能挑选出来 的最⼤价值。 2. 状态转移⽅程 : 线性 dp 状态

    2024年04月11日
    浏览(43)
  • 算法系列--动态规划--背包问题(1)--01背包介绍

    💕\\\"趁着年轻,做一些比较cool的事情\\\"💕 作者:Lvzi 文章主要内容:算法系列–动态规划–背包问题(1)–01背包介绍 大家好,今天为大家带来的是 算法系列--动态规划--背包问题(1)--01背包介绍 背包问题是动态规划中经典的一类问题,经常在笔试面试中出现,是非常 具有区分度 的题

    2024年04月16日
    浏览(56)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包