2023-09-25
背包问题全解
1简单背包
我们通常使用一个二维数组表示这个背包的内容状态，比如f[num][weight]对应一定数量与重量的背包内容，然后遍历，从背包满载开始倒推。这里我们先采用二维DP的方式，虽然但是有的时候会引起MLE
设 DP 状态 dp[i][j]为在只能放前i个物品的情况下，容量为j的背包所能达到的最大总价值。
考虑转移。假设当前已经处理好了前 i-1个物品的所有状态，那么对于第i个物品，当其不放入背包时，背包的剩余容量不变，背包中物品的总价值也不变，故这种情况的最大价值为 f[i-1][j]；当其放入背包时，背包的剩余容量会减小w[i] ，背包中物品的总价值会增大c[i]，故这种情况的最大价值为 f[i-1][j-w[i]]+c[i]。
#include<cstdio>
using namespace std; const int maxm=201,maxn=31; int m,n; int w[maxn],c[maxn];//weight and cost int f[maxn][maxm];//f[数量][质量] int max(int x,int y){ \tif(x<y)return y; \telse return x; } int main(){ \tscanf("%d%d",&m,&n); \tfor(int i=1;i<=n;i++) \t\tscanf("%d%d",&w[i],&c[i]); \tfor(int i=1;i<=n;i++) \t\tfor(int v=m;v>0;v--) \t\t\tif(w[i]<=v/可以放包里/)f[i][v]=max(f[i-1][v],f[i-1][v-w[i]]+c[i]);//不断推导当前数目放东西收益最大 \t\t\telse f[i][v]=f[i-1][v]; \tprintf("%d",f[n][m]); \treturn 0;/10 4 \t2 1 \t3 3 \t4 5 \t7 9/ }
二维背包比较碍事，而且fi只跟fi-1有关，所以可以去除一维
#include<cstdio>
using namespace std; const int maxm=2001,maxn=31; int m,n; int w[maxn],c[maxn];//weight & cost int f[maxm]; int main(){ \tscanf("%d%d",&m,&n); \tfor(int i=1;i<=n;i++) \t\tscanf("%d%d",&w[i],&c[i]); \tfor(int i=1;i<=n;i++) \t\tfor(int v=m;v>=w[i];v--)//只要放得下即可，并且不断压缩至正好 \t\t\tif(f[v-w[i]]+c[i]>f[v])f[v]=f[v-w[i]]+c[i]; \tprintf("%d",f[m]); \treturn 0; \t/10 4 \t2 1 \t3 3 \t4 5 \t7 9/ }
在v的循环反向是为了不多放物体，因为0-1背包只能放一个
2完全背包
而与之相对应的完全背包则更加丰富，可以填充无数的同一个物体，代码实现如下：
#include<cstdio>
using namespace std;
const int maxm=201,maxn=31;
int m,n;
int w[maxn],c[maxn];
int f[maxm];
int main(){
\tscanf("%d%d",&m,&n);
\tfor(int i=1;i<=n;i++)
\t\tscanf("%d%d",&w[i],&c[i]);
\tfor(int i=1;i<=n;i++)
\t\tfor(int v=w[i];v<=m;v++)//可以逐渐填入一个w[i],两个w[i]······
if(f[v-w[i]]+c[i]>f[v])f[v]=f[v-w[i]]+c[i];
printf("%d
",f[m]);
return 0;/10 4
2 1
3 3
4 5
7 9/
}
#include<cstdio>
using namespace std;
const int maxm=201,maxn=31;
int m,n;
int w[maxn],c[maxn];
int f[maxm];
int main(){
\tscanf("%d%d",&m,&n);
\tfor(int i=1;i<=n;i++)
\t\tscanf("%d%d",&w[i],&c[i]);
\tfor(int i=1;i<=n;i++)
\t\tfor(int v=w[i];v<=m;v++)//可以逐渐填入一个w[i],两个w[i]······
if(f[v-w[i]]+c[i]>f[v])f[v]=f[v-w[i]]+c[i];
printf("%d
",f[m]);
return 0;/10 4
2 1
3 3
4 5
7 9/
}
3多重背包
多重背包的特别之处，在于对每个物品施加了个数的限制，相比于0-1背包又可以多选物品，所以相比之下状态转移方程更加丰富。
#include<cstdio>
using namespace std; int v[6002],w[6002],c[6002]; int f[6002]; int n,m; int max(int x,int y){ \tif(x<y)return y; \telse return x; } int main(){ \tscanf("%d%d",&n,&m); \tfor(int i=1;i<=n;i++) \t\tscanf("%d%d%d",&v[i],&w[i],&c[i]); \tfor(int i=1;i<=n;i++) \t\tfor(int j=m;j>=0;j--) \t\t\tfor(int k=0;k<=c[i];k++) \t\t\t{\tif(j-kv[i]<0)break; f[j]=max(f[j],f[j-kv[i]]+k*w[i]); } printf("%d",f[m]); return 0; } /5 1000 80 20 4 40 50 9 30 50 7 40 30 6 20 20 1/
不如完全背包，这样的多重背包只能采取枚举，复杂度无法再优化
4一些优化：
+ 二进制优化
所以我们可以通过二进制分组的方式使得拆分方式更优美省时
所以问题由此转换成0-1背包，解决即可。
index = 0;
for (int i = 1; i <= m; i++) { int c = 1, p, h, k; cin >> p >> h >> k; while (k > c) { k -= c; list[++index].w = c * p; list[index].v = c * h; c *= 2; } list[++index].w = p * k; list[index].v = h * k; }
其他优化好复杂先不写了
5.混合背包
混合背包就是将前面三种的背包问题混合起来，有的只能取一次，有的能取无限次，有的只能取k次。
这种题目看起来很吓人，可是只要领悟了前面几种背包的中心思想，并将其合并在一起就可以了。下面给出伪代码：
for (循环物品种类) {
if (是 0 - 1 背包) 套用 0 - 1 背包代码; else if (是完全背包) 套用完全背包代码; else if (是多重背包) 套用多重背包代码; }
6.二维背包
仍然是0-1背包问题，不过要增加一维存储新的价值
洛谷大佬题单
特点：码量较少 （目前只有一题超过1KB）且难度较低 ，让新手也可以享受切题的快乐。
没学过背包问题的可以去看看洛谷日报中的背包问题或者背包九讲。
题目：
最后：
1.如题目难度不符合实际，补充的题目或修改建议欢迎私信。
2.这个题单的题应该算比较简单，以后再写一个难一点的。
3.写题单不易，能不能帮忙收藏一下啊。
another 借鉴
27000字初级背包问题详解 - walker shi的文章 - 知乎