01背包(ZeroOnePack):有N件物品和一个容量为V的背包。(每种物品均只有一件)第i件物品的费用是c[i],价值是w[i]。求解将哪些物品装入背包可使价值总和最大。
完全背包(CompletePack):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。
4件物品,重量和价值如下,背包的重量为10,
w | 5 | 4 | 6 | 3 |
v | 10 | 40 | 30 | 50 |
01背包代码:
//W[i]表示重量,v[i]表示价值,背包容量为gint f[x+1];//f[x]背包容量为x的最大价值for(int i=0;i<n;i++) for(int j=g;j>=w[i];j--) f[j]=max(f[j],f[j-w[i]]+v[i]);完全背包代码:for(int i=0;i<n;i++) for(int j=w[i];j<=g;j++) f[j]=max(f[j],f[j-w[i]]+v[i]);01背包采用j=g;j>=w[i];j--这样可以避免一个物品被多次使用到。例如:若使用w[i]→g,被使用到的f[j-w[i]]的值可能包含这个物品w[i],从g→w[i]保证了引用的f[j-w[i]]为没有用到物品w[i]。完全背包恰好可以使用这个顺序,因为物品可以随意使用只要使f最大即可
初始化分两种情况: 1、如果背包要求正好装满: f[0] = 0, f[1~w] = -INF(若求最小价值,则f[1~w] = INF)
(因为此时未被装满的话是-inf上+正数没影响,f[0]=0,当j=w[i]时,f[j]=f[0]+v[i],这相当于每件物品分别装满)
2、如果不需要正好装满: f[0~w] = 0;
最终结果:f[w] 即为所求
多重背包(MultiplePack):有N种物品和一个容量为V的背包。第i种物品最多有n[i]件可用,每件费用是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。
多重背包转换成01背包问题就是多了个初始化,把它的件数C用二进制分解成若干个件数的集合,这里面数字可以组合成任意小于等于C的件数,而且不会重复,之所以叫二进制分解,是因为这样分解可以用数字的二进制形式来解释 比如:7的二进制7 = 111它可以分解成001 010 100这三个数可以组合成任意小于等于7的数,而且每种组合都会得到不同的数,15 = 1111可分解成0001 0010 0100 1000四个数字 如果13 = 1101则分解为 0001 0010 0100 0110前三个数字可以组合成 7以内任意一个数,即1、2、4可以组合为1——7内所有的数,加上0110 = 6 可以组合成任意一个大于6小于等于13的数,比如12,可以让前面贡献6且后面也贡献6就行了。虽然有重复但总是能把13以内所有的数都考虑到了,基于这种思想去把多件物品转换为,多种一件物品,就可用01背包求解了。
int n,g; cin>>g>>n; int count=0; for(i=0;i<=n-1;i++) { cin>>w[i]>>v[i]>>c[i];//对该种类的c[i]件物品进行二进制分解,对于13 for(j=1;j<=c[i];j=j*2)//0001,0010,0100,...依次分解 { w0[count]=w[i]*j; v0[count]=v[i]*j; count++; c[i]=c[i]-j; } if(c[i]>0)//对剩余的1000进行储存 { w0[count]=w[i]*c[i]; v0[count]=v[i]*c[i]; count++; } }1.//经过上面对每一种物品的分解, 2. //现在v0[]存的就是分解后的物品价值 3. //w0[]存的就是分解后的物品重量 4. //count就相当于原来的n 5. //下面就直接用01背包算法来解 memset(f,0,sizeof(f)); for(i=0;i<=count-1;i++) for(j=g;j>=w0[i];j--) f[j]=max(f[j],f[j-w0[i]]+v0[i]);
新闻热点
疑难解答