10.14学习内容（动态规划第二节背包）

例题1：01背包

1267：【例9.11】01背包问题

时间限制: 1000 ms         内存限制: 65536 KB
提交数: 34747     通过数: 20968

【题目描述】

【输入】

【输出】

【输入样例】

10 4
2 1
3 3
4 5
7 9

【输出样例】

12

【题目解析】

基本思路：

状态数组的定义：

dp[i][j]，表示选第i个物品时，在j空间下所获取的最大价值是多少。

阶段：

以物品为阶段，1—n个物品。

决策：

即在第i个物品时，选或不选。

边界条件：

因为要取最大值，把dp数组定义为全局变量，即为0.

状态转移方程:

dp[i][j]=max(dp[i][j],dp[i-1][j-v[i]]+w[i]); dp[i][j]继承的是dp[i-1][j]的值，在目前空间大于目前所选物品所需要空间的情况下

代码参考：

#include<iostream>
using namespace std;
int v[210],w[35];
int dp[35][210];
int main(){
	int m,n;
	cin>>m>>n;
	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++){
			dp[i][j]=dp[i-1][j];
			if(j>=v[i]){
				dp[i][j]=max(dp[i][j],dp[i-1][j-v[i]]+w[i]);
			}
		}
	}
	cout<<dp[n][m];
	return 0;
} 

代码可以再次进行优化，用一维的dp数组进行操作，只需要保证dp[j]能够继承到dp[j-v[i]]的值，由此可以将第二层for循环倒叙枚举空间即可。

【代码参考】

#include<iostream>
using namespace std;
int m,n;
int w[35],v[35];
int dp[210];
int main(){
	cin>>m>>n;
	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--){
			dp[j]=max(dp[j],dp[j-v[i]]+w[i]);
		}
	}
	cout<<dp[m];
	return 0;
}

例题2：完全背包

1268：【例9.12】完全背包问题

时间限制: 1000 ms         内存限制: 65536 KB
提交数: 28446     通过数: 15243

【题目描述】

【输入】

【输出】

【输入样例】

10 4
2 1
3 3
4 5
7 9

【输出样例】

max=12

题目解析：

做法思路大体与01背包相似，只需向内再加一层for循环枚举第i间物品在当前空间内可以取到的件数即可。

【代码参考】

#include<iostream>
using namespace std;
int m,n;
int v[35],w[35]; 
int dp[35][210];
int main(){
	cin>>m>>n;
	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++){
			dp[i][j]=dp[i-1][j];
			for(int k=1;k<=m/v[i];k++){
				if(j>=k*v[i]){
					dp[i][j]=max(dp[i][j],dp[i-1][j-k*v[i]]+k*w[i]);	
				}
				
			}
		}
	}
	cout<<"max="<<dp[n][m];
	return 0;
} 

同样也有一维优化，第二层for循环从v[i]开始，枚举到所能承受的最大空间，每次d[j]都继承d[j-v[i]]的值即可。

【代码参考】

#include<iostream>
using namespace std;
int v[210],w[35];
int dp[210];
int main(){
	int m,n;
	cin>>m>>n;
	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++){
			dp[j]=max(dp[j],dp[j-v[i]]+w[i]);
		}
	}
	cout<<"max="<<dp[m];
	return 0;
} 

例题3：多重背包

4. 多重背包问题 I

•    题目
•    提交记录
•    讨论
•    题解
•    视频讲解

有 NN 种物品和一个容量是 VV 的背包。

第 ii 种物品最多有 sisi 件，每件体积是 vivi，价值是 wiwi。

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，分别表示物品种数和背包容积。

接下来有 NN 行，每行三个整数 vi,wi,sivi,wi,si，用空格隔开，分别表示第 ii 种物品的体积、价值和数量。

输出格式

输出一个整数，表示最大价值。

数据范围

0<N,V≤1000<N,V≤100
0<vi,wi,si≤1000<vi,wi,si≤100

输入样例

4 5
1 2 3
2 4 1
3 4 3
4 5 2

输出样例：

10

【题目解析】

相对于完全背包来说，每件物品可以选择的数量是有限的，做法与完全背包相似。

【代码参考】（朴素版本）

#include<iostream>
using namespace std;
const int N=110;
int m,n;
int v[N],w[N],dp[N][N],s[N];
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++){
		for(int j=1;j<=m;j++){
			dp[i][j]=dp[i-1][j];
			for(int k=1;k<=s[i];k++){
				if(k*v[i]<=j){
					dp[i][j]=max(dp[i][j],dp[i-1][j-k*v[i]]+k*w[i]);
				}
			}
		}
	}
	cout<<dp[n][m];
	return 0;
}

也可以按以上方法进行一维优化

【代码参考】

#include<iostream>
using namespace std;
const int N=1100;
int m,n;
int v[N],w[N],dp[N],s[N];
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++){
		for(int j=m;j>=v[i];j--){
			for(int k=1;k<=s[i];k++){
				if(k*v[i]<=j){
					dp[j]=max(dp[j],dp[j-k*v[i]]+k*w[i]);
				}
			}
		}
	}
	cout<<dp[m];
	return 0;
}

当然，也可以将多重背包转化为01背包，进行二进制优化，如：

当输入第i行时数据为3    5    7时，表示此物品每件的体积为3，价值为5，数量为7，

则可将7拆分成

1  2  4

即

3   5   1

6  10  2

12  20  3

将其分别存储起来，按照解01背包的方法进行处理，即可达到优化运算的效果。

【代码参考】

#include<iostream>
using namespace std;
const int N=2e5+5;
int m,n;
int v[N],w[N],dp[N];
int main(){
	cin>>n>>m;
	int l=0;
	for(int i=1;i<=n;i++){
		int a,b,c;
		cin>>a>>b>>c;
		int k=1;
		while(c>=k){
			l++;
			v[l]=a*k;
			w[l]=b*k;
			c=c-k;
			k+k*2;
		}
		if(c>0){
			v[++l]=a*c;
			w[l]=b*c;
		}
	}
	for(int i=1;i<=l;i++){
		for(int j=m;j>=v[i];j--){
			dp[j]=max(dp[j],dp[j-v[i]]+w[i]);
		}
	}
	cout<<dp[m];
	return 0;
}