动态规划DP----背包问题总结
1. 01背包问题
- 01背包的算法思想
- 01背包的代码框架
#include <iostream> #include <vector> #include <string> #include <algorithm>using namespace std;const int N = 1010;int n, m; // n表示所有物品的个数 m表示背包的容量 int v[N], w[N]; // v表示第i件物品的体积 w表示第i件物品的价值 int f[N][N]; // 所有状态int main(){cin >> n >> m;for(int i = 1; i <= n; i++) cin >> v[i] >> w[i];// f[0][0~m] = 0for(int i = 1; i <= n; i++){ // 枚举所有的物品for(int j = 0; j <= m; j++){ // 枚举所有的体积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]); // 注意此处的判断}}cout << f[n][m] << endl;return 0; }
- 优化方法—优化成一维数组来表述集合
#include <iostream> #include <vector> #include <string> #include <algorithm>using namespace std;const int N = 1010;int n, m; // n表示所有物品的个数 m表示背包的容量 int v[N], w[N]; // v表示第i件物品的体积 w表示第i件物品的价值 int f[N]; // 所有状态int main(){cin >> n >> m;for(int i = 1; i <= n; i++) cin >> v[i] >> w[i];for(int i = 1; i <= n; i++){ // 枚举所有的物品for(int j = m; j >= v[i]; j--){ // 枚举所有的体积f[j] = max(f[j], f[j-v[i]] + w[i]); // 注意此处的判断}}cout << f[m] << endl;return 0; }
2. 完全背包问题
- 完全背包的算法思想
- 完全背包的代码框架—朴素方法
#include <iostream> #include <vector> #include <string> #include <algorithm>using namespace std;const int N = 1010;int n, m; // n表示所有物品的个数 m表示背包的容量 int v[N], w[N]; // v表示第i件物品的体积 w表示第i件物品的价值 int f[N][N]; // 所有状态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 = 0; j <= m; j++){for(int k = 0; k * v[i] <= j; k++){f[i][j] = max(f[i][j], f[i-1][j - v[i] * k] + k * w[i]);}}}cout << f[n][m] << endl;return 0; }
- 优化方法
#include <iostream> #include <vector> #include <string> #include <algorithm>using namespace std;const int N = 1010;int n, m; // n表示所有物品的个数 m表示背包的容量 int v[N], w[N]; // v表示第i件物品的体积 w表示第i件物品的价值 int f[N][N]; // 所有状态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 = 0; j <= m; j++){f[i][j] = f[i-1][j];if(j >= v[i]) f[i][j] = max(f[i][j], f[i][j-v[i]] + w[i]);}}cout << f[n][m] << endl;return 0; }
3.多重背包问题
- 多重背包的算法思想
- 多重背包的算法框架—朴素方法
#include <iostream> #include <vector> #include <string> #include <algorithm>using namespace std;const int N = 110;int n, m; // n表示所有物品的个数 m表示背包的容量 int v[N], w[N], s[N]; // v表示第i件物品的体积 w表示第i件物品的价值,s[i]表示每件物品最多有s[i]个 int f[N][N]; // 所有状态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++) // 枚举所有物品for(int j = 0; j <= m; j++) // 枚举所有体积for(int k = 0; k <= s[i] && k * v[i] <= j; k++) // k:表示每件物品的个数最多有s[i]个f[i][j] = max(f[i][j], f[i - 1][j - v[i] * k] + w[i] * k);cout << f[n][m] << endl;return 0; }
- 优化方法–二进制优化方法
#include <iostream> #include <vector> #include <string> #include <algorithm>using namespace std;const int N = 25000, M = 2010;int n, m; // n表示所有物品的个数 m表示背包的容量 int v[N], w[N], s[N]; // v表示第i件物品的体积 w表示第i件物品的价值,s[i]表示每件物品最多有s[i]个 int f[N]; // 所有状态int main(){cin >> n >> m;int cnt = 0;for(int i = 1; i <= n; i++){int a, b, s; // 体积 价值 个数cin >> a >> b >> s;int k = 1; // 多重背包的二进制优化方法while(k <= s){cnt++;v[cnt] = a * k;w[cnt] = b * k;s -= k;k *= 2;}// s[i]中的剩余部分if(s > 0){cnt++;v[cnt] = a * s;w[cnt] = b * s;}}// 优化版本的01背包问题n = cnt;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; }
4.分组背包问题
- 分组背包的算法思想
- 分组背包的算法框架—优化方法
#include <iostream> #include <vector> #include <string> #include <algorithm>using namespace std;const int N = 110;int n, m; // n表示所有物品的个数 m表示背包的容量 int v[N][N], w[N][N], s[N]; // v表示第i件物品的体积 w表示第i件物品的价值, S[i]:每组中物品的个数 int f[N]; // 从两维优化成一维int main(){cin >> n >> m;for(int i = 1; i <= n; i++){cin >> s[i];for(int j = 0; j < s[i]; j++) cin >> v[i][j] >> w[i][j];}for(int i = 1; i <= n; i++) // 枚举每一组for(int j = m; j >= 0; j--) // 改成一维表示状态时,从大到小来枚举所有体积!for(int k = 0; k < s[i]; k++) // 枚举每组中每一个物品if(v[i][k] <= j) f[j] = max(f[j], f[j - v[i][k]] + w[i][k]); // v[i][k]:第i组中的第k个物品cout << f[m] << endl;return 0; }
动态规划DP----背包问题总结相关推荐
- AcWing 1020 潜水员 题解 (动态规划—DP—背包问题)
原题传送门 为什么上面的代码 j只需要遍历到v,k只能遍历到m.而下面的代码 j还需要遍历到0,k还需要遍历到0 ?同时为什么氧气或者氮气所需的是数量是负数时,可以与数量0的状态等价? 解答:对比两题 ...
- 1.动态规划--01背包问题
动态规划 DP问题思考时候分成两大部分考虑 1. 状态表示 f(i,j) (1) 集合:(所有选法的集合) 所有选法 条件: 1.从前i个物品中选 2. 总体积m<=j (2) 属性 最大值.最 ...
- Suzy心情很差因为被charge了late fee Day42 | 动态规划之背包问题,416. 分割等和子集
背包问题 01背包 Given n种物品,每种物品只有1个 每个物品有自己的重量.价值. 背包最大能装载的重量 动规五部曲--用二维数组 定义dp数组的含义:dp[ i ][ j ]表示[0,i]物品 ...
- 【算法与数据结构】—— 动态规划之背包问题
动态规划之背包问题 前面介绍了一些最常见的动态规划题型和对应解法,而实际上,动态规划最经典的题型非背包问题莫属,并且大多数人最初都是从背包问题入坑进而打开动态规划这一大门. 背包问题分为多种,其中最常 ...
- 动态规划之背包问题的一些基础简单入门题
前言 参考视频教程洛谷试练场 普及组 动态规划的背包问题 主要有01背包问题.完全背包问题.分组背包问题. 01背包问题一般从右往左推: 完全背包问题一般从左往右推: 分组背包一般用01的方法但需要记 ...
- c语言背包问题装字母,C语言动态规划之背包问题详解
01背包问题 给定n种物品,和一个容量为C的背包,物品i的重量是w[i],其价值为v[i].问如何选择装入背包的物品,使得装入背包中的总价值最大?(面对每个武平,只能有选择拿取或者不拿两种选择,不能选 ...
- 动态规划之背包问题——01背包
算法相关数据结构总结: 序号 数据结构 文章 1 动态规划 动态规划之背包问题--01背包 动态规划之背包问题--完全背包 动态规划之打家劫舍系列问题 动态规划之股票买卖系列问题 动态规划之子序列问题 ...
- 动态规划: dp+递推——确定动态矩阵dp含义,确定每个状态下面临的选择和对结果值影响,选择符合题意的作为结果存储在dp中
1.动态规划:每一个状态一定是由之前的状态推导出来的,通过总结归纳发现递推关系 2.解决动态规划问题的步骤: 确定dp数组(dp table)以及下标的含义: 每个单元内 题目所求的值,一维.二维 确 ...
- 动态规划之背包问题总结
动态规划之背包问题总结 递推公式 遍历顺序 01背包遍历顺序 完全背包遍历顺序 参考链接:代码随想录 背包问题是动态规划中的重要的一部分,背包问题分为多种,只需要掌握常见的01背包和完全背包就行. ...
- 第4课 防卫导弹(第十章 动态规划--DP)
//progream p10_04 /* 第4课 防卫导弹(第十章 动态规划--DP) (<聪明人的游戏--信息学探秘 提高篇>) https://blog.csdn.net/weixi ...
最新文章
- 图像金字塔与resize函数
- 手动将本地jar添加到Maven仓库
- Redis相比memcached
- C#多态性的小记,父类,子类,虚方法,接口
- 厚积薄发,看腾讯云如何快速从IPv4向IPv6演进?
- __stdcall 和 __cdecl 的区别浅析
- mysql最高安全级别双一_MySQL核心之双一原则
- 软件测试 测试停止标准_停止正常测试
- TCP的定时器系列 — 保活定时器(有图有代码有真相!!!)
- SQL Server 数据库多表查询
- [oracle原]访问局域网内出现“ORA-12541:TNS:无监听程序”
- Servlet 生命周期的过程分析 图解
- FBWF和EWF的对比
- android实现地图功能实现,Android百度地图应用之基本地图功能实现
- html 星星字体,做华丽的星星文字效
- SDCC讲师专访:创新工场蔡学镛为何看好Dart
- DJ8-2 主存储器的组织
- 多个PDF文件合并方法
- matlab仿真中pv,PV的matlab仿真
- IP和MAC地址的区别与联系
热门文章
- 搜索插入位置的golang实现
- Metasploit 使用后门和Rootkit维持访问
- WSL与Windows交互实践
- jvm两种方式获取对象所占用的内存
- [转] React Hot Loader 3 beta 升级指南
- ifrmae内层和外层高度同步
- 刘宇与小白健康:一个理想主义者的互联网“众包”实践
- Redis的Java客户端Jedis的八种调用方式(事务、管道、分布式…)介绍(转)
- Oracle中的 IN, NOT IN和 EXISTS, NOT EXISTS的區別
- 花几万元报IT培训班,只为进入互联网大厂:有人年薪百万,有人黯然退场