背包问题
一:0 1背包(每个物品选一次)
有 N 件物品和一个容量是 M 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,VN,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,M≤1000
0<vi,wi≤1000
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例:
8
朴素做法:
思路:dp[i][j]表示前i个物品,体积为j的最优解。
对于第i个物品可选可不选。不选的dp[i][j]=dp[i-1][j];
选的话就是dp[i][j]=dp[i-1][j-v[i]]+w[i];为什么呢,因为体积最大就只能是刚好,那么前i-1个物品就要腾出空间给第i个物品,那前i个物品腾出的空间就是j-v[i];前提是j>=v[i],不然腾不出空间。
#include<bits/stdc++.h> using namespace std; const int MAXN = 1005; int v[MAXN]; // 重量 int w[MAXN]; // 价值 int f[MAXN][MAXN]; // f[i][j], j重量下前i个物品的最大价值 int main() { int n, m; 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 = 1; j <= m; ++j) { if(j <v[i]) f[i][j] = f[i-1][j];//太小了只能不选, else //选的话,在选和不选中取max f[i][j] = max(f[i-1][j], f[i-1][j-v[i]] + w[i]); } cout << f[n][m]; return 0; }
优化版:
思路:上面的代码中我们可以发现,f[i][j]的时候我们只用到了前面,我们只用到了f[i-1][j]或者f[i-1][j-v[i],所以我们可以按顺序枚举i,即for(int i = 1; i <= n; i++),就可以保证我们每次都是用前面一层,所以可以将二维数组浓缩成一维数组;
在发现如果只剩下一维数组了,当我们不选的时候,f[i][j] = f[i-1][j]就变成了f[j]=f[j],默认成立,这句就可以去掉了,所以我们可以直接从j>=w[i]枚举到m,但是我们发现f[j] = max(f[j], f[j-v[i]] + w[i])这句话是第i层更新的,为什么呢,因为j从v[i]开始枚举,j-v[i]就<j,就会将f[j]从小到大在第i层更新了一遍,就将前面第i-1层的结果给覆盖掉了,所以我们选择逆序,从m开始枚举到v[i];即for(int j = m; j >= v[i]; j--)
#include<bits/stdc++.h> using namespace std; const int MAXN = 1005; int v[MAXN]; // 重量 int w[MAXN]; // 价值 int f[MAXN]; //int f[MAXN][MAXN]; // f[i][j], j重量下前i个物品的最大价值 int main() { int n, m; 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 = m; j >= v[i]; j--) // for(int j = 1; j <= m; ++j) { // if(j < w[i]) //f[j]=f[j]; // f[i][j] = f[i-1][j];//太小了只能不选, // else //选的话,在选和不选中取max f[j] = max(f[j], f[j-v[i]]+w[i]); // f[i][j] = max(f[i-1][j], f[i-1][j-w[i]] + v[i]); } cout<<f[m]<<endl; //cout << f[n][m]; return 0; }
二:完全背包(每个物品有无限个)
与01背包区别就是每个物品有无限个,要求一样,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。
思路:f[i][j]表示前i个体积不超过j的最优解。
f[i][j]=max{f[i-1][j-k*v[i]]+k*w[i]|0<=k*v[i]<=m}//k 表示物品取的个数,v[i]表示第i种物品的体积,w[i]表示第i种物品的价值
#include<iostream> using namespace std; const int N = 1010; int f[N][N]; int v[N],w[N]; int main() { int n,m; 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-k*v[i]]+k*w[i]); } cout<<f[n][m]<<endl; }
优化:
f[i , j ] = max( f[i-1,j] , f[i-1,j-v]+w , f[i-1,j-2*v]+2*w , f[i-1,j-3*v]+3*w , .....)
f[i , j-v]= max( f[i-1,j-v] , f[i-1,j-2*v] + w , f[i-1,j-2*v]+2*w , .....)
由上两式,f[i][j]=max(f[i,j-v]+w , f[i-1][j])
所以循环可以变成下面这样
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]>=0) f[i][j]=max(f[i][j],f[i][j-v[i]]+w[i]); }
最后发现每一层状态只和当前这一层有关系,所以可以把数组改为一维的。和01背包类似
#include<iostream> using namespace std; const int N = 1010; int f[N]; int v[N],w[N]; int main() { int n,m; 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; }
三:多重背包(每个物品有限个)
1.有 N 种物品和一个容量是 V 的背包。
第 i 种物品最多有 si 件,每件体积是 vi,价值是 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。
输入:第 i种物品的体积、价值和数量
思路:f[i][j]表示前i个物品,体积不超过j的最优解
f[i][j]=max(f[i-1][j],f[i-1][j-v[i]*k]+w[i]*k]);(k=0,1,2,....si)
优化后变成:f[j]=max(f[j],f[j-v[i]*k]+w[i]*k);(k=0,1,2,....si)//与01背包类似

#include<iostream> #include<algorithm> using namespace std; int n,m; int f[105]; int main() { cin>>n>>m; for(int i=1;i<=n;i++) { int v,w,s; cin>>v>>w>>s; for(int j=m;j>=0;j--) { for(int k=1;k<=s&&k*v<=j;k++) { f[j]=max(f[j],f[j-k*v]+k*w); } } } cout<<f[m]<<endl; return 0; }
2.二进制优化:
把s拆成 1,2,4,...2^k,c//其中c=s-2^k+1-1;(由二进制原理得)这样就可以将s拆成logs+1个,转化成01背包

#include <iostream> #include <algorithm> using namespace std; const int N = 25000; int f[N]; int v[N], w[N]; int n, m; int main() { cin >> n >> m; int cnt = 0; for (int i = 1; i <= n; i++) { int k = 1; int a, b, c; cin >> a >> b >> c; while (k <= c) { cnt++; v[cnt] = k * a; w[cnt] = k * b; c -= k; k *= 2; } if (c > 0) { cnt++; w[cnt] = b * c; v[cnt] = a * c; } } 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; }
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
· Linux系列:如何用 C#调用 C方法造成内存泄露
· 震惊!C++程序真的从main开始吗?99%的程序员都答错了
· 【硬核科普】Trae如何「偷看」你的代码?零基础破解AI编程运行原理
· 单元测试从入门到精通
· 上周热点回顾(3.3-3.9)
· winform 绘制太阳,地球,月球 运作规律