Acwing 3. 完全背包问题

本文详细介绍了完全背包问题的三种解法:暴力解法、公式推导优化解法及滚动数组优化解法,并提供了完整的C++代码实现。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 暴力解法,完全背包每种物品都有无限个可用

 

#include <iostream>
#include <algorithm>

using namespace std;

const int N = 1010;

int f[N][N];
int v[N], w[N];
int n, m;

int main()
{
    scanf("%d %d", &n, &m);
    
    for (int i = 1; i <= n; ++ i)
    {
        scanf("%d %d", &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]);
            }
        }
    }
    
    printf("%d\n", f[n][m]);
    
    return 0;
}

公式推导,优化后

#include <iostream>
#include <algorithm>

using namespace std;

const int N = 1010;

int f[N][N];
int v[N], w[N];
int n, m;

int main()
{
    scanf("%d %d", &n, &m);
    
    for (int i = 1; i <= n; ++ i)
    {
        scanf("%d %d", &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]);
        }
    }
    
    printf("%d\n", f[n][m]);
    
    return 0;
}

 滚动数组优化,此处j循环从v[i]到m即可,无需倒循环,因为此处就是要计算f[i][j - v[i]]而不是0/1背包中的f[i - 1][j - v[i]]。

#include <iostream>
#include <algorithm>

using namespace std;

const int N = 1010;

int f[N];
int v[N], w[N];
int n, m;

int main()
{
    scanf("%d %d", &n, &m);
    
    for (int i = 1; i <= n; ++ i)
    {
        scanf("%d %d", &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]);
        }
    }
    
    printf("%d\n", f[m]);
    
    return 0;
}

### AcWing 平台上的背包问题资源 #### 动态规划中的背包问题概述 背包问题是经典的算法竞赛题目之一,在动态规划领域占有重要地位。这类问题通常涉及给定一组物品,每种物品都有自己的重量和价值,在限定总重量的前提下如何选择这些物品使得所选物品的总价值最大。 #### 完全背包问题解析 对于完全背包问题而言,其核心在于允许同一种类型的物品被无限次选取。通过类比推导公式可得出变量`k`可以去除这一结论[^1]。具体实现上采用了一维数组来进行状态转移方程的设计: ```cpp 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]); } } ``` 此段代码展示了简化后的版本,其中内层循环正向遍历容量范围,确保每次更新都基于当前轮次的数据而非之前的结果,实现了空间复杂度的有效降低。 #### 多重背包问题处理方法 针对多重背包问题,则引入了更复杂的策略——利用单调队列来追踪最优解路径。由于目标是从一系列可能的状态组合中挑选出最佳方案,因此需要特别关注那些形如 `{dp[j], dp[v+j], ...}` 的序列,并从中找出最大值作为新的决策依据[^2]。 #### 01背包问题基础概念 相比之下,最基础也最常见的形式莫过于01背包问题。这里每个项目仅有一次机会决定是否加入集合之中。解决此类问题的关键在于构建二维表格记录不同阶段下的局部最优解,最终汇总成全局最优解。当面对第`i`件商品时,存在两种情形:要么放弃它保持原有状况不变(`f[i]=f[i−1]`);要么接纳该物件并调整剩余可用空间(`f[i][j]=f[i−1][j−v]+w`),最后比较两者择优而录[^3]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

青衫客36

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值