1、背包问题背包问题详解0/1背包问题: 在M件物品取出若干件放在空间为W的背包里,每件物品的重量为W1,W2Wn,与之相对应的价值为P1,P2Pn。求出获得最大价值的方案。注意:在本题中,所有的重量值均为整数。算法分析: 对于背包问题,通常的处理方法是搜索。 用递归来完成搜索,算法设计如下: function make( i 处理到第i件物品 , j剩余的空间为j:integer) :integer; 初始时i=m , j=背包总容量 begin if i:=0 then make:=0; if j=wi then (背包剩余空间可以放下物品 i ) r1:=make(i-1,j-wi)+vi;
2、 (第i件物品放入所能得到的价值 ) r2:=make(i-1,j) (第i件物品不放所能得到的价值 ) make:=maxr1,r2 end; 这个算法的时间复杂度是o(2n),我们可以做一些简单的优化。 由于本题中的所有物品的重量均为整数,经过几次的选择后背包的剩余空间可能会相等,在搜索中会重复计算这些结点,所以,如果我们把搜索过程中计算过的结点的值记录下来,以保证不重复计算的话,速度就会提高很多。这是简单的以空间换时间。 我们发现,由于这些计算过程中会出现重叠的结点,符合动态规划中子问题重叠的性质。 同时,可以看出如果通过第n次选择得到的是一个最优解的话,那么第n-1次选择的结果一定也是
3、一个最优解。这符合动态规划中最优子问题的性质。 考虑用动态规划的方法来解决,这里的: 阶段是:在前n件物品中,选取若干件物品放入背包中; 状态是:在前n件物品中,选取若干件物品放入所剩空间为w的背包中的所能获得的最大价值; 决策是:第n件物品放或者不放; 由此可以写出动态转移方程: 我们用fi,j表示在前 i 件物品中选择若干件放在所剩空间为 j 的背包里所能获得的最大价值 fi,j=maxfi-1,j-wi+pi (j=wi), fi-1,j 这样,我们可以自底向上地得出在前m件物品中取出若干件放进背包能获得的最大价值,也就是fm,w 算法设计如下: procedure make; begi
4、n for i:=0 to w do f0,i:=0; for i:=1 to m do for j:=0 to w do begin fi,j:=fi-1,j; if (j=wi) and (fi-1,j-wi+vifi,j) then fi,j:=fi-1,j-wi+vi; end; writeln(fm,wt); end; 由于是用了一个二重循环,这个算法的时间复杂度是o(n*w)。而用搜索的时候,当出现最坏的情况,也就是所有的结点都没有重叠,那么它的时间复杂度是o(2n)。看上去前者要快很多。但是,可以发现在搜索中计算过的结点在动态规划中也全都要计算,而且这里算得更多(有一些在最后没有
5、派上用场的结点我们也必须计算),在这一点上好像是矛盾的。 事实上,由于我们定下的前提是:所有的结点都没有重叠。也就是说,任意n件物品的重量相加都不能相等,而所有物品的重量又都是整数,那末这个时候w的最小值是:1+2+22+23+2n-1=2n -1 此时n*w2n,动态规划比搜索还要慢|所以,其实背包的总容量w和重叠的结点的个数是有关的。 考虑能不能不计算那些多余的结点 那么换一种状态的表示方式: 状态是:在前n件物品中,选取若干件物品放入所占空间为w的背包中的所能获得的最大价值; 阶段和决策:同上; 状态转移方程是: fi,j=maxfi-1,j-wi+pi (j+wi=wi) and (f
6、i,ws=fi-1,ws-wi+vi) then begin 输出解; ws:=ws-wi; end; end; writeln; end; 用这两种算法的前提是我们必须存住 fi,j 这一整个二维数组,但是如果用循环数组的话怎样输出解呢? 显然,我们只需要存住一个布尔型的二维数组,记录每件物品在不同的状态下放或者不放就可以了。这样一来数组所占的空间就会大大降低。 解题收获: 1)在动态程序设计中,状态的表示是相当重要的,选择正确的状态表示方法会直接影响程序的效率。 2)针对题目的不同特点应该选择不同的解题策略,往往能够达到事半功倍的效果。像本题就应该把握住所有的重量值均为整数这个特点。 -背
7、包问题全攻略背包问题全攻略部分背包问题可有贪心法求解:计算PiWi 数据结构: wi第i个背包的重量; pi第i个背包的价值;(1)每个背包只能使用一次或有限次(可转化为一次): A.求最多可放入的重量。 NOIP2001 装箱问题 有一个箱子容量为v(正整数,ov20000),同时有n个物品(on30),每个物品有一个体积 (正整数)。 要求从 n 个物品中,任取若千个装入箱内,使箱子的剩余空间为最小。 l 搜索方法 procedure search(k,vinteger); 搜索第k个物品,剩余空间为v var i,jinteger; begin if v best then best=v
8、; if v-(sn-sk-1) =best then exit; sn为前n个物品的重量和 if k =n then begin if v wk then search(k+1,v-wk); search(k+1,v); end; end; l DP FI,j为前i个物品中选择若干个放入使其体积正好为j的标志,为布尔型。 实现将最优化问题转化为判定性问题 FI,j=fi-1,j-wi (wI =j =v) 边界:f0,0=true. For I=1 to n do For j=wI to v do FI,j=fI-1,j-wI; 优化:当前状态只与前一阶段状态有关,可降至一维。 F0=tru
9、e; For I=1 to n do begin F1=f; For j=wI to v do If fj-wI then f1j=true; F=f1; End; B.求可以放入的最大价值。 C.求恰好装满的情况数。 (2)每个背包可使用任意次: A.求最多可放入的重量。 状态转移方程为 fI,j=maxfi-wj B.求可以放入的最大价值。 USACO 1.2 Score Inflation 进行一次竞赛,总时间T固定,有若干种可选择的题目,每种题目可选入的数量不限,每种题目有一个ti(解答此题所需的时间)和一个si(解答此题所得的分数),现要选择若干题目,使解这些题的总时间在T以内的前提
10、下,所得的总分最大,求最大的得分。 易想到:fi,j = max f i- kwj, j-1 + kvj (0 =k = i div wj) 其中fi,j表示容量为i时取前j种背包所能达到的最大值。 优化: Begin FillChar(problem,SizeOf(problem),0); Assign(Input,inflate.in); Reset(Input); Readln(M,N); For i=1 To N Do With problemi Do Readln(point,time); Close(Input); FillChar(f,SizeOf(f),0); For i=1
11、To M Do For j=1 To N Do If i-problemj.time =0 Then Begin t=problemj.point+fi-problemj.time; If t fi Then fi=t; End; Assign(Output,inflate.out); Rewrite(Output); Writeln(fM); Close(Output); End. C.求恰好装满的情况数。 Ahoi2001 Problem2 求自然数n本质不同的质数和的表达式的数目。 思路一,生成每个质数的系数的排列,在一一测试,这是通法。 procedure try(depinteger
12、); var i,jinteger; begin cal; 此过程计算当前系数的计算结果,now为结果 if now n then exit; 剪枝 if dep=l+1 then begin 生成所有系数 cal; if now=n then inc(tot); exit; end; for i=0 to n div prdep do begin xsdep=i; try(dep+1); xsdep=0; end; end; 思路二,递归搜索效率较高 procedure try(dep,restinteger); var i,j,xinteger; begin if (rest =0) or
13、 (dep=l+1) then begin if rest=0 then inc(tot); exit; end; for i=0 to rest div prdep do try(dep+1,rest-prdepi); end; 思路三:可使用动态规划求解 USACO1.2 money system V个物品,背包容量为n,求放法总数。 转移方程: Procedure update; var j,kinteger; begin c=a; for j=0 to n do if aj 0 then for k=1 to n div now do if j+nowk =n then inc(cj+
14、nowk,aj); a=c; end; main begin read(now); 读入第一个物品的重量 i=0; ai为背包容量为i时的放法总数 while i =n do begin ai=1; inc(i,now); end; 定义第一个物品重的整数倍的重量a值为1,作为初值 for i=2 to v do begin read(now); update; 动态更新 end; writeln(an); End. 部分背包问题可有贪心法求解:计算Pi/Wi 数据结构: wi:第i个背包的重量; pi:第i个背包的价值; (1)每个背包只能使用一次或有限次(可转化为一次): A.求最多可放入
15、的重量。 NOIP2001 装箱问题 有一个箱子容量为v(正整数,ov20000),同时有n个物品(on30), 每个物品有一个体积 (正整数)。 要求从 n 个物品中,任取若千个装入箱内,使箱子的剩余空间为最小。 l 搜索方法 procedure search(k,v:integer); 搜索第k个物品,剩余空间为v var i,j:integer; begin if v=best then exit; sn为前n个物品的重量和 if kwk then search(k+1,v-wk); search(k+1,v); end; end; l DP FI,j为前i个物品中选择若干个放入使其体积
16、正好为j的标志,为布尔型。 实现:将最优化问题转化为判定性问题 FI,j=fi-1,j-wi (wI =j =v) 边界:f0,0:=true. For I:=1 to n do For j:=wI to v do FI,j:=fI-1,j-wI; 优化:当前状态只与前一阶段状态有关,可降至一维。 F0:=true; For I:=1 to n do begin F1:=f; For j:=wI to v do If fj-wI then f1j:=true; F:=f1; End; B.求可以放入的最大价值。 C.求恰好装满的情况数。 (2)每个背包可使用任意次: A.求最多可放入的重量。
17、状态转移方程为 fI,j=maxfi-wj B.求可以放入的最大价值。 USACO 1.2 Score Inflation 进行一次竞赛,总时间T固定,有若干种可选择的题目,每种题目可选入的 数量不限,每种题目有一个ti(解答此题所需的时间)和一个si(解答此题所得 的分数),现要选择若干题目,使解这些题的总时间在T以内的前提下,所得的 总分最大,求最大的得分。 *易想到: fi,j = max f i- k*wj, j-1 + k*vj (0 =k=0 Then Begin t:=problemj.point+fi-problemj.time; If t fi Then fi:=t; End
18、; Assign(Output,inflate.out); Rewrite(Output); Writeln(fM); Close(Output); End. C.求恰好装满的情况数。 Ahoi2001 Problem2 求自然数n本质不同的质数和的表达式的数目。 思路一,生成每个质数的系数的排列,在一一测试,这是通法。 procedure try(dep:integer); var i,j:integer; begin cal; 此过程计算当前系数的计算结果,now为结果 if now n then exit; 剪枝 if dep=l+1 then begin 生成所有系数 cal; if
19、now=n then inc(tot); exit; end; for i:=0 to n div prdep do begin xsdep:=i; try(dep+1); xsdep:=0; end; end; 思路二,递归搜索效率较高 procedure try(dep,rest:integer); var i,j,x:integer; begin if (rest0 then for k:=1 to n div now do if j+now*k =n then inc(cj+now*k,aj); a:=c; end; main begin read(now); 读入第一个物品的重量 i:=0; ai为背包容量为i时的放法总数 while i =n do begin ai:=1; inc(i,now); end; 定义第一个物品重的整数倍的重量a值为1,作为初值 for i:=2 to v do begin read(now); update; 动态更新 end; writeln(an); End.
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1