01 背包
有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。
第 i 件物品的体积是 $v_i$,价值是 $w_i$。
求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。
输出最大价值。
输入格式
第一行两个整数,N,V,用空格隔开,分别表示物品数量和背包容积。
接下来有 N 行,每行两个整数 $v_i,w_i$,用空格隔开,分别表示第 i 件物品的体积和价值。
输出格式
输出一个整数,表示最大价值。
数据范围
$0< N,V ≤ 1000$
$0< v_i,w_i ≤ 1000$
输入样例
输出样例:
思路+方法
f[i][j]
表示面对第 i 件物品时,体积为 j 的背包的最大总价值。
两种选择:1. 不放入第 i 件物品。 2. 放入第 i 件物品。
状态转移方程:f[i][j]=max(f[i−1][j],f[i−1][j−w[i]]+v[i])
优化:f[j]=max(f[j],f[j−w[i]]+v[i])
。此时 j 要从大到小遍历,保证第 i 件物品只能选择一次。否则 f[i][j]
会由 f[i][j−w[i]]+v[i]
决定,与题意不符,而顺序遍历却是完全背包的解决方案。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
| import java.util.Scanner;
public class Main{ public static void main(String[] args) throws Exception{ Scanner reader = new Scanner(System.in); int N = reader.nextInt(); int V = reader.nextInt(); int[] v = new int[N]; int[] w = new int[N]; for(int i=0; i<N; i++){ v[i] = reader.nextInt(); w[i] = reader.nextInt(); } reader.close(); int[] dp = new int[V+1]; for(int i=0; i<N; i++){ for(int j=V; j>=v[i]; j--){ dp[j] = Math.max(dp[j], dp[j-v[i]]+w[i]); } } System.out.println(dp[V]); } }
|
时间复杂度 O(VN)
完全背包
完全背包题目与01背包大体相似,只不过每件物品可以无限选择。
思路 + 代码
状态转移方程:f[i][j]=max(f[i−1][j],f[i−1][j−w[i]]+v[i])
。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
| import java.util.Scanner;
class Main{ public static void main(String[] args) throws Exception{ Scanner in = new Scanner(System.in); int N = in.nextInt(); int V = in.nextInt(); int[] w = new int[N]; int[] v = new int[N]; for(int i=0; i<N; i++){ v[i] = in.nextInt(); w[i] = in.nextInt(); } in.close(); int[] dp = new int[V+1]; for(int i=0; i<N; i++){ for(int j=v[i]; j<=V; j++){ dp[j] = Math.max(dp[j], dp[j-v[i]]+w[i]); } } System.out.println(dp[V]); } }
|
时间复杂度 O(VN)
多重背包
多重背包是每个物品指定了数量。
有 N 种物品和一个容量是 V 的背包。
第 i 种物品最多有 $s_i$ 件,每件体积是 $v_i$,价值是 $w_i$。
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,V,用空格隔开,分别表示物品种数和背包容积。
接下来有 N 行,每行三个整数 $v_i,w_i,s_i$,用空格隔开,分别表示第 i 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≤100
$0<v_i,w_i,s_i≤100$
输入样例
1 2 3 4 5
| 4 5 1 2 3 2 4 1 3 4 3 4 5 2
|
输出样例:
思路 + 代码
将多重背包转化为 01背包问题,即将有限量的物品划分为互相独立的部分,每个独立的部分物品可以看作01背包问题,继续采用01背包的思想解决。
状态转移方程:f[i][j]=max(f[i−1][j],f[i−1][j−k*w[i]]+k*v[i])
。
将第 i 种物品转化为 p[i]
件物品,每件物品的系数分别为 $1,2, 4, …, 2^{k-1}, p[i]-2^k+1 > 0$, k是满足 $p[i]-2^k+1 > 0$ 的最大整数。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
| import java.util.Scanner;
class Main{ public static void main(String[] args) throws Exception{ Scanner sc = new Scanner(System.in); int N = sc.nextInt(); int V = sc.nextInt(); int[] v = new int[N]; int[] w = new int[N]; int[] s = new int[N]; for(int i=0; i<N; i++){ v[i] = sc.nextInt(); w[i] = sc.nextInt(); s[i] = sc.nextInt(); } sc.close(); int[]dp = new int[V+1]; for(int i=0; i<N; i++){ int num = Math.min(s[i], V/v[i]); for(int k=1; num>0; k <<= 1){ if(k>num) k = num; num -= k; for(int j=V; j>=k*v[i]; j--){ dp[j] = Math.max(dp[j], dp[j-k*v[i]]+k*w[i]); } } } System.out.println(dp[V]); } }
|
时间复杂度 O(V$\sum{log(p(i))}$)
混合背包
混合背包其实是 01背包、多重背包和完全背包的混合体。
有 N 种物品和一个容量是 V 的背包。
物品一共有三类:
第一类物品只能用1次(01背包);
第二类物品可以用无限次(完全背包);
第三类物品最多只能用 $s_i$ 次(多重背包);
每种体积是 $v_i$,价值是 $w_i$。
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,V,用空格隔开,分别表示物品种数和背包容积。
接下来有 N 行,每行三个整数 $v_i,w_i,s_i$,用空格隔开,分别表示第 i 种物品的体积、价值和数量。
$s_i$=−1 表示第 i 种物品只能用1次;
$s_i$=0 表示第 i 种物品可以用无限次;
$s_i$>0 表示第 i 种物品可以使用 $s_i$ 次;
输出格式
输出一个整数,表示最大价值。
数据范围
$ 0<N,V≤1000 $
$ 0<v_i,w_i≤1000 $
$ −1≤s_i≤1000 $
输入样例
1 2 3 4 5
| 4 5 1 2 -1 2 4 1 3 4 0 4 5 2
|
输出样例:
思路 + 代码
加入if-else判断。
1 2 3 4 5 6 7 8 9
| for (int i = 1; i <= n; i++) if (p[i] == 0) for (int j = w[i]; j <= V; j++) f[j] = max(f[j], f[j - w[i]] + v[i]); else for (int k = 1; k <= p[i]; k++) for (int j = V; j >= w[i]; j--) f[j] = max(f[j], f[j - w[i]] + v[i]);
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
| import java.util.Scanner;
class Main{ public static void main(String[] args) throws Exception{ Scanner sc = new Scanner(System.in); int N = sc.nextInt(); int V = sc.nextInt(); int[] v = new int[N]; int[] w = new int[N]; int[] s = new int[N]; for(int i=0; i<N; i++){ v[i] = sc.nextInt(); w[i] = sc.nextInt(); s[i] = sc.nextInt(); } sc.close(); int[] dp = new int[V+1]; for(int i=0; i<N; i++){ if(s[i] == -1){ for(int j=V; j>=v[i]; j--){ dp[j] = Math.max(dp[j], dp[j-v[i]]+w[i]); } }else if(s[i]==0){ for(int j=v[i]; j<=V; j++){ dp[j] = Math.max(dp[j], dp[j-v[i]]+w[i]); } }else{ int num = Math.min(s[i], V/v[i]); for(int k=1; num>0; k <<=1){ if(k>num) k=num; num -= k; for(int j=V; j>=k*v[i]; j--){ dp[j] = Math.max(dp[j], dp[j-k*v[i]]+k*w[i]); } } } } System.out.println(dp[V]); } }
|
二维背包
物品的约束条件除了体积外,增加了重量一维,其余跟01背包一样。
有 N 件物品和一个容量是 V 的背包,背包能承受的最大重量是 M。
每件物品只能用一次。体积是 $v_i$,重量是 $m_i$,价值是 $w_i$。
求解将哪些物品装入背包,可使物品总体积不超过背包容量,总重量不超过背包可承受的最大重量,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,V,M,用空格隔开,分别表示物品件数、背包容积和背包可承受的最大重量。
接下来有 N 行,每行三个整数 $v_i,m_i,w_i$,用空格隔开,分别表示第 i 件物品的体积、重量和价值。
输出格式
输出一个整数,表示最大价值。
数据范围
$0<N≤1000$
$0<V,M≤100$
$0<v_i,m_i≤100$
$0<w_i≤1000$
输入样例
1 2 3 4 5
| 4 5 6 1 2 3 2 4 4 3 4 5 4 5 6
|
输出样例:
思路 + 代码
跟01背包类似,只不过两个状态。
状态转移方程:f[j][k]=max(f[j][k],f[j−w[i]][k-m[i]]+k*v[i])
。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
| import java.util.Scanner;
class Main{ public static void main(String[] args) throws Exception{ Scanner sc = new Scanner(System.in); int N = sc.nextInt(); int V = sc.nextInt(); int M = sc.nextInt(); int[] v = new int[N]; int[] m = new int[N]; int[] w = new int[N]; for(int i=0; i<N; i++){ v[i] = sc.nextInt(); m[i] = sc.nextInt(); w[i] = sc.nextInt(); } sc.close(); int[][] dp = new int[V+1][M+1]; for(int i=0; i<N; i++){ for(int j=V; j>=v[i]; j--){ for(int k=M; k>=m[i]; k--){ dp[j][k] = Math.max(dp[j][k], dp[j-v[i]][k-m[i]]+w[i]); } } } System.out.println(dp[V][M]); } }
|
分组背包
在01背包的基础上,对不同物品进行了分组,每组只能选取一件物品。
有 N 组物品和一个容量是 V 的背包。
每组物品有若干个,同一组内的物品最多只能选一个。
每件物品的体积是 $v_ij$,价值是 $w_ij$,其中 i 是组号,j 是组内编号。
求解将哪些物品装入背包,可使物品总体积不超过背包容量,且总价值最大。
输出最大价值。
输入格式
第一行有两个整数 N,V,用空格隔开,分别表示物品组数和背包容量。
接下来有 N 组数据:
每组数据第一行有一个整数 $S_i$,表示第 i 个物品组的物品数量;
每组数据接下来有 $S_i$ 行,每行有两个整数 $v_ij,w_ij$,用空格隔开,分别表示第 i 个物品组的第 j 个物品的体积和价值;
输出格式
输出一个整数,表示最大价值。
数据范围
$0<N,V≤100$
$0<S_i≤100$
$0<v_ij,w_ij≤100$
输入样例
1 2 3 4 5 6 7 8
| 3 5 2 1 2 2 4 1 3 4 1 4 5
|
输出样例:
思路 + 代码
状态转移方程:
1 2 3 4
| for i in (每一种分组): for j in range(V,0,-1): for k in 分组[i]: dp[j] = max(dp[j], dp[j-分组[i][0]]+分组[i][1])
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37
| import java.util.Scanner; import java.util.HashMap; import java.util.ArrayList;
class Main{ public static void main(String[] args){ Scanner sc = new Scanner(System.in); int K = sc.nextInt(); int V = sc.nextInt(); int N = 0; HashMap<Integer, ArrayList<int[]>> map = new HashMap<>(); for(int i=0; i<K; i++){ int s = sc.nextInt(); N += s; ArrayList<int[]> arr = new ArrayList<>(); for(int j=0; j<s;j++){ int[] tmp = new int[2]; tmp[0] = sc.nextInt(); tmp[1] = sc.nextInt(); arr.add(tmp); map.put(i, arr); } } sc.close(); int[] dp = new int[V+1]; for(int i=0; i<K; i++){ ArrayList<int[]> arr = map.get(i); for(int j=V; j>=0; j--){ for(int k=0; k<arr.size();k++){ if(j>=arr.get(k)[0]) dp[j] = Math.max(dp[j], dp[j-arr.get(k)[0]]+arr.get(k)[1]); } } } System.out.println(dp[V]); } }
|