01背包跟完全背包问题
2017-08-06 19:03
330 查看
01背包是指有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。这种问题不像贪心,是不能分割的,因为刚做完一道可以分割的,所以想来整理一下区别 L2-003月饼 这是一道可以分割的,用的是贪心算法
当数组变成一维数组呢,进行优化
for i=1……N
for j=M……1
f[j]=max(f[j],f[j-weight[i]+value[i])
完全背包是指一个背包总容量为V,现在有N个物品,第i个 物品体积为weight[i],价值为value[i],每个物品都有无限多件,现在往背包里面装东西,怎么装能使背包的内物品价值最大?
这样相对于01背包问题,这个问题在于每个物品有无限多件
f[j]=max(f[j],f[j-weight[i]+value[i])
和01背包问题唯一不同的是j是从1到M。01背包问题是在前一个子问题(i-1种物品)的基础上来解决当前问题(i种物品),向i-1种物品时的背包添加第i种物品;而完全背包问题是在解决当前问题(i种物品),向i种物品时的背包添加第i种物品
#include<iostream>
using namespace std;
#define V 1500
unsigned int f[V];//全局变量,自动初始化为0
unsigned int weight[10];
unsigned int value[10];
#define max(x,y) (x)>(y)?(x):(y)
int main()
{
int N,M;
cin>>N;//物品个数
cin>>M;//背包容量
for (int i=1;i<=N; i++)
{
cin>>weight[i]>>value[i];
}
for (int i=1; i<=N; i++)
for (int j=1; j<=M; j++)
{
if (weight[i]<=j)
{
f[j]=max(f[j],f[j-weight[i]]+value[i]);
}
}
cout<<f[M]<<endl;//输出最优解
}
想必大家看出了和01背包的区别,这里的内循环是顺序的,而01背包是逆序的。
现在关键的是考虑:为何完全背包可以这么写?
在次我们先来回忆下,01背包逆序的原因?是为了是max中的两项是前一状态值,这就对了。
那么这里,我们顺序写,这里的max中的两项当然就是当前状态的值了,为何?
因为每种背包都是无限的。当我们把i从1到N循环时,f[j]表示容量为j在前i种背包时所得的价值,这里我们要添加的不是前一个背包,而是当前背包。所以我们要考虑的当然是当前状态。
f[i][j]=max{f[i-1][j],f[i-1][j-c[i]]+w[i]}
把这个过程理解下:在前i件物品放进容量j的背包时,
它有两种情况:
第一种是第i件不放进去,这时所得价值为:f[i-1][j]
第二种是第i件放进去,这时所得价值为:f[i-1][j-c[i]]+w[i]
(第二种是什么意思?就是如果第i件放进去,那么在容量j-c[i]里就要放进前i-1件物品)
最后比较第一种与第二种所得价值的大小,哪种相对大,f[i][v]的值就是哪种。
(这是基础,要理解!)
这里是用二位数组存储的,可以把空间优化,用一位数组存储。
用f[0..v]表示,f[v]表示把前i件物品放入容量为v的背包里得到的价值。把i从1~n(n件)循环后,最后f[v]表示所求最大值。
#include<iostream> using namespace std; #define V 1500 unsigned int f[10][V];//全局变量,自动初始化为0 unsigned int weight[10]; unsigned int value[10]; #define max(x,y) (x)>(y)?(x):(y) int main() { int N,M; cin>>N;//物品个数 cin>>M;//背包容量 for (int i=1;i<=N; i++) { cin>>weight[i]>>value[i]; } for (int i=1; i<=N; i++) for (int j=1; j<=M; j++) { if (weight[i]<=j) { f[i][j]=max(f[i-1][j],f[i-1][j-weight[i]]+value[i]); } else f[i][j]=f[i-1][j]; } cout<<f [M]<<endl;//输出最优解 }这里i是从1->N,j是从1->M
当数组变成一维数组呢,进行优化
for i=1……N
for j=M……1
f[j]=max(f[j],f[j-weight[i]+value[i])
#include<iostream> using namespace std; #define V 1500 unsigned int f[V];//全局变量,自动初始化为0 unsigned int weight[10]; unsigned int value[10]; #define max(x,y) (x)>(y)?(x):(y) int main() { int N,M; cin>>N;//物品个数 cin>>M;//背包容量 for (int i=1;i<=N; i++) { cin>>weight[i]>>value[i]; } for (int i=1; i<=N; i++) for (int j=M; j>=1; j--) { if (weight[i]<=j) { f[j]=max(f[j],f[j-weight[i]]+value[i]); } } cout<<f[M]<<endl;//输出最优解 }
完全背包是指一个背包总容量为V,现在有N个物品,第i个 物品体积为weight[i],价值为value[i],每个物品都有无限多件,现在往背包里面装东西,怎么装能使背包的内物品价值最大?
这样相对于01背包问题,这个问题在于每个物品有无限多件
f[j]=max(f[j],f[j-weight[i]+value[i])
和01背包问题唯一不同的是j是从1到M。01背包问题是在前一个子问题(i-1种物品)的基础上来解决当前问题(i种物品),向i-1种物品时的背包添加第i种物品;而完全背包问题是在解决当前问题(i种物品),向i种物品时的背包添加第i种物品
#include<iostream>
using namespace std;
#define V 1500
unsigned int f[V];//全局变量,自动初始化为0
unsigned int weight[10];
unsigned int value[10];
#define max(x,y) (x)>(y)?(x):(y)
int main()
{
int N,M;
cin>>N;//物品个数
cin>>M;//背包容量
for (int i=1;i<=N; i++)
{
cin>>weight[i]>>value[i];
}
for (int i=1; i<=N; i++)
for (int j=1; j<=M; j++)
{
if (weight[i]<=j)
{
f[j]=max(f[j],f[j-weight[i]]+value[i]);
}
}
cout<<f[M]<<endl;//输出最优解
}
想必大家看出了和01背包的区别,这里的内循环是顺序的,而01背包是逆序的。
现在关键的是考虑:为何完全背包可以这么写?
在次我们先来回忆下,01背包逆序的原因?是为了是max中的两项是前一状态值,这就对了。
那么这里,我们顺序写,这里的max中的两项当然就是当前状态的值了,为何?
因为每种背包都是无限的。当我们把i从1到N循环时,f[j]表示容量为j在前i种背包时所得的价值,这里我们要添加的不是前一个背包,而是当前背包。所以我们要考虑的当然是当前状态。
相关文章推荐
- 背包问题模板(01背包,完全背包,多重背包)
- 01背包、完全背包、多重背包问题的C++实现及路径记录
- 背包问题教程-01背包,完全背包,多重背包,混合背包 收藏
- 夕拾算法进阶篇:17)01背包和完全背包问题 (动态规划DP)
- 01背包、完全背包、多重背包问题分析
- DP背包问题小结(01背包,完全背包,需恰好装满或不需,一维DP、二维DP)
- 背包问题之01背包、完全背包和多重背包
- 背包问题【01、完全(恰好or不超过)、多重】【尚未整理完】
- 经典问题之01与完全背包总结
- 四种背包问题(01和完全)
- 背包问题教程-01背包,完全背包,多重背包,混合背包
- 01背包问题和完全背包问题 (转载)
- 01背包、完全背包、多重背包问题的C++实现
- 背包问题(01背包、完全背包)死记应试
- 背包问题:01 完全 多重
- 01背包和完全背包问题
- 背包问题(01背包、完全背包、部分背包)
- 背包问题中的01背包和完全背包
- 01 背包问题和完全背包
- 01,完全 背包问题的一维数组