动态规划 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 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。

动态规划思想:将一个大问题转化为一个小问题,由小问题的最优解得到大问题的最优解。

1.01背包:

   情景引入:假设有m种物品,每种物品价值分别为value[ i ],重量分别为weight[ i ],现在有一个背包,里面最多能装下V大小重量的物品,求问 在不超重的情况下,最多能装下多少价值的物品?

   分析该问题:有m种物品,要拿最多,有同学自然而然的想:“不是往大了拿就行了吗?”这种思想固然可贵,但求得的不一定是最优解,比如背包容量为4,有两种物品,一种重量为1,价值为2,另一种重量为4,价值为7,如果按照贪心思想,每次从7开始拿,那么得到的不是最优解,因为全拿第一种物品更具有性价比(能拿到8价值的物品)

进入正题:

假设有3件物品,每件物品价值分别为value[3] = { 2, 5, 6 } ,重量为 weight[3] = { 1, 3, 4 };背包的最大重量为4,我们列出如下表格:

1 2 3 4
1

2

3

对于这个表格,横向表示背包容量,纵向表示能装入该物体和该物体以前物体的最大价值。

对于每一个格子:

  • 选择装入该物体,则空间剩下 j - n[ i ]
  • 不装入该物体,则空间为dp【i - 1 】【 j 】;
    然后选择其最大即可,其动态转移方程为:
    dp【i】【j】 = max(dp【i-1】【j】,dp【i】【j - n【i】】 + n【i】);

例子:

[NOIP2005 普及组] 采药

题目描述

辰辰是个天资聪颖的孩子,他的梦想是成为世界上最伟大的医师。为此,他想拜附近最有威望的医师为师。医师为了判断他的资质,给他出了一个难题。医师把他带到一个到处都是草药的山洞里对他说:“孩子,这个山洞里有一些不同的草药,采每一株都需要一些时间,每一株也有它自身的价值。我会给你一段时间,在这段时间里,你可以采到一些草药。如果你是一个聪明的孩子,你应该可以让采到的草药的总价值最大。”

如果你是辰辰,你能完成这个任务吗?

输入格式

第一行有 2 2 2 个整数 T T T 1 ≤ T ≤ 1000 1 \le T \le 1000 1T1000)和 M M M 1 ≤ M ≤ 100 1 \le M \le 100 1M100),用一个空格隔开, T T T 代表总共能够用来采药的时间, M M M 代表山洞里的草药的数目。

接下来的 M M M 行每行包括两个在 1 1 1 100 100 100 之间(包括 1 1 1 100 100 100)的整数,分别表示采摘某株草药的时间和这株草药的价值。

输出格式

输出在规定的时间内可以采到的草药的最大总价值。

样例 #1

样例输入 #1

70 3
71 100
69 1
1 2

样例输出 #1

3

提示

【数据范围】

  • 对于 30 % 30\% 30% 的数据, M ≤ 10 M \le 10 M10
  • 对于全部的数据, M ≤ 100 M \le 100 M100

【题目来源】

NOIP 2005 普及组第三题

明显的背包问题,从以上分析可以得到:

AC代码:

#include<iostream>
using namespace std;

const int N=1005;
const int M=105;
int n,m;
int dp[M][N],t[M],v[M];

int main()
{
	cin>>n>>m;
	for(int i=1;i<=m;i++) cin>>t[i]>>v[i];
	for(int i=1;i<=m;i++)
		for(int j=1;j<=n;j++)
			if(j>=t[i])
				dp[i][j]=max(dp[i-1][j],dp[i-1][j-t[i]]+v[i]);
			else
				dp[i][j]=dp[i-1][j];
	cout<<dp[m][n]<<endl;
	return 0;
}

  • 优化:我们考虑把这个二维数组优化成一维数组:因为我们的思路是从左到右(按照背包的空间大小进行寻找)所以我们同样选定背包的大小作为变量,有以下公式:
dp[ i ] = max(dp[ i ] , dp[ i - weight[ i ]] + value[ i ]);

观察发现,如果外层循环从左到右,则每次调用时总会再次使用前面的值(如调用dp【4】,如果某个条件成立,则在循环中会多次的使用前面的值,这样违背了一种物品只能拿一次的规则,所以我们选择从后面遍历,防止数据被前面破坏:

#include<iostream>
#include<vcruntime_string.h>
#include<algorithm>
using namespace std;

int main()
{
	int t, m;
	int wei[100] = { 0 }, value[1000] = { 0 }, dp[1000] = { 0 };
	cin >> t >> m;

	int i, j;
	for (i = 1; i <= m; i++)
	{
		cin >> wei[i] >> value[i];
	}
	
	for (i = 1; i <= m; i++)
	{
		for (j = t; j > 0; j--)
		{
			if (j >= wei[j])
				dp[j] = max(dp[j], dp[j - wei[i]] + value[i]);
		}
	}
	cout << dp[t];
	return 0;
}

完全背包:

问题描述
辰辰是个天资聪颖的孩子,他的梦想是成为世界上最伟大的医师。为此,他想拜附近最有威望的医师为师。医师为了判断他的资质,给他出了一个难题。医师把他带到一个到处都是草药的山洞里对他说:“孩子,这个山洞里有一些不同种类的草药,采每一种都需要一些时间,每一种也有它自身的价值。我会给你一段时间,在这段时间里,你可以采到一些草药。如果你是一个聪明的孩子,你应该可以让采到的草药的总价值最大。”
如果你是辰辰,你能完成这个任务吗?
此题和原题(P1048 采药)的不同点:

每种草药可以无限制地疯狂采摘。
药的种类眼花缭乱,采药时间好长好长啊!(暗示数据范围更大)
输入格式
输入第一行有两个整数 T ( 1 ≤ T ≤ 100000 ) T(1 ≤ T ≤ 100000)T(1≤T≤100000) 和 M ( 1 ≤ M ≤ 10000 ) M(1 ≤ M ≤ 10000)M(1≤M≤10000),用一个空格隔开,T TT 代表总共能够用来采药的时间,M MM 代表山洞里的草药的数目。接下来的M行每行包括两个在 1 到 10000之间(包括 1 和 10000)的整数,分别表示采摘某种草药的时间和这种草药的价值。

输出格式
输出一行,这一行只包含一个整数,表示在规定的时间内,可以采到的草药的最大总价值。

样例输入
70 3
71 100
69 1
1 2

样例输出
140

从01背包分析可知,如果可以取得多次
那么有下面公式:(二维的自己推导,和上面的基本一样但是改了一个)

dp[ i ] = max(dp[ i ] , dp[ i - weight[ i ]] + value[ i ]);

从左到右遍历,则每次都会调用前面的和的最大值。

#include<iostream>
#include<vcruntime_string.h>
#include<algorithm>
using namespace std;

int main()
{
	int t, m;
	int wei[100] = { 0 }, value[1000] = { 0 }, dp[1000] = { 0 };
	cin >> t >> m;

	int i, j;
	for (i = 1; i <= m; i++)
	{
		cin >> wei[i] >> value[i];
	}
	
	for (i = 1; i <= m; i++)
	{
		for (j = 1; j <= t; j--)
		{
			if (j >= wei[j])
				dp[j] = max(dp[j], dp[j - wei[i]] + value[i]);
		}
	}
	cout << dp[t];
	return 0;
}

多重背包

多重背包问题是介于01背包和完全背包之间的问题。

有n件物品,每件物体重量为w【i】,价值为c【i】,每件物品有 s【i】件。现在有一个容量为V的背包,问如何选取物品放入背包使得物品总价值最大?

分析:可以通过将相同种类中的每一件物品认为是不同物品,将其转化为01背包问题(朴素方法)

  • 更优解:二进制优化

当某件物品的数量k大于背包的容量,则可以将这件物品认为是完全背包问题


二进制优化:

![[Pasted image 20231210202511.png]]
![[Pasted image 20231210202554.png]]


代码1:(滚动dp下运用该)文章来源地址https://www.toymoban.com/news/detail-761961.html

到了这里,关于动态规划 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

  • acwing算法基础之动态规划--背包问题

    (零) 背包问题描述:有 N N N 个物品,每个物品的体积是 v i v_i v i ​ ,价值是 w i w_i w i ​ ,现有容量是 V V V 的背包,求这个背包能装下的物品的最大价值。 01背包问题:每个物品只有1个。 完全背包问题:每个物品有无穷多个。 多重背包问题:第 i i i 个物品有 s i s_i s

    2024年02月05日
    浏览(47)
  • 【动态规划】01背包问题——算法设计与分析

    若超市允许顾客使用一个体积大小为13的背包,选择一件或多件商品带走,则如何选择可以使得收益最高? 商品 价格 体积 啤酒 24 10 汽水 2 3 饼干 9 4 面包 10 5 牛奶 9 4 0-1 Knapsack Problem 输入: quad - n n n 个商品组成集合 O O O ,每个商品有属性价格 p i p_i p i ​ 和体积 v i v_i v

    2024年02月04日
    浏览(81)
  • 背包问题算法全解析:动态规划和贪心算法详解

    计算机背包问题是动态规划算法中的经典问题。本文将从理论和实践两个方面深入探讨计算机背包问题,并通过实际案例分析,帮助读者更好地理解和应用该问题。 背包问题是一种经典的优化问题。有的时候我们需要将有一堆不同重量或者体积的物品放入背包,但是背包容量

    2024年02月09日
    浏览(49)
  • 贪心算法解决背包问题和动态规划解决0-1背包问题(c语言)

    运行结果如下: 运行结果如下: 总结: 贪心算法: 每一步都做出当时看起来最佳的选择,也就是说,它总是做出局部最优的选择。 贪心算法的设计步骤: 对其作出一个选择后,只剩下一个子问题需要求解。 证明做出贪心选择后,原问题总是存在最优解,即贪心选择总是安

    2024年02月04日
    浏览(56)
  • 算法套路十四——动态规划之背包问题:01背包、完全背包及各种变形

    如果对递归、记忆化搜索及动态规划的概念与关系不太理解,可以前往阅读算法套路十三——动态规划DP入门 背包DP介绍:https://oi-wiki.org/dp/knapsack/ 0-1背包:有n个物品,第i个物品的体积为w[i],价值为v[i],每个物品至多选一个, 求体积和不超过capacity时的最大价值和,其中i从

    2024年02月10日
    浏览(61)
  • 【Python算法】实验12-动态规划与背包问题

    目录 实验内容 1.数塔dp -A 2.骨牌铺方格 3.一只小蜜蜂

    2024年02月15日
    浏览(41)
  • 动态规划:完全背包问题----中专生刷算法

    需要基础:闫氏dp分析法,01背包问题 先去看一下01背包问题,再看完全背包 动态规划:选择dp及优化01背包问题-CSDN博客 做过01背包问题的同学会发现,完全背包问题的代码 在01背包基础上改动很小,但是里面的思想,有很大差距 题目 有 N 种物品和一个容量是 V的背包,每种物品

    2024年04月16日
    浏览(48)
  • 【算法(四·一):动态规划思想——0-1背包问题】

    0-1背包问题 是一个经典的组合优化问题,通常用于描述以下情境:①有一个容量有限的背包,可以容纳一定总重量的物品。②有一组不同的物品,每个物品都有一个特定的重量和一个价值。③目标是在限定的背包容量内,选择一些物品放入背包,以使这些物品的总重量不超过

    2024年02月01日
    浏览(67)
  • 【Java实现】动态规划算法解决01背包问题

    1、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中物品,每件的重量分别是W1、W2、……、Wn,每件物品的价值分别为C1、C2、……、Cn, 需要将物品放入背包中,要怎么样放才能保证背包中物品的总价值最大? 2、动态规划算法的概述 1)动态规划(Dynamic Progra

    2023年04月09日
    浏览(59)
  • 【Python算法】实验8-动态规划与背包问题

    目录 实验内容 1.数塔dp -A 2.骨牌铺方格 3.一只小蜜蜂

    2023年04月19日
    浏览(83)

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