Java教程

第八周学习总结。(背包)

本文主要是介绍第八周学习总结。(背包),对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

每周学习总结:第八周。

本周学习:动态规划背包问题(四种类型:一、01背包;二、完全背包;三、多重背包;四、分组的背包问题。)(三四 下周总结。)

一 、 01背包;

(物品选不选,物品只能用一次。)
问题描述:有N件物品和一个容量为V的背包。第i件物品的费用(即体积,下同)是w[i],价值是val[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量,且价值总和最大。

解题思路:用动态规划的思路,阶段就是“物品的件数”,状态就是“背包剩下的容量”,那么很显然dp[ i , v ] 就设为从前 i 件物品中选择放入容量为 v 的背包最大的价值。那么状态转移方程为:

dp[i][v]=max( dp[i-1][v],dp[i-1][v-w[i]]+val[i] )

这个方程可以如下解释:只考虑子问题“将前 i 个物品放入容量为 v 的背包中的最大价值”那么考虑如果不放入 i ,最大价值就和 i 无关,就是 dp[ i - 1 ][ v ] , 如果放入第 i 个物品,价值就是 dp[ i - 1][ v - w[i] ] + val[ i ],我们只需取最大值即可。
优化思想:
需要用计算顺序来保证当计算dp[i][j]时,dp[j-k]中存储的都是i-1时的值。
直接修改代码,发现dp[j-k]会被第i次计算覆盖。
所以让j从大到小计算,可以保证dp[j-k]保存着上一轮计算的值不被覆盖。
部分代码:

for(int i=1;i<=n;i++){
	for(int j=m;j>=val[i];j--){
			dp[j]=max(dp[j],dp[j-val[i]]+w[i]);
	}
}

所以解题代码:

#include<iostream>
#include<cstdio>
#include<cstring>
using namespace std;
const int maxn = 1e4;
int dp[maxn];
int w[maxn],val[maxn];
void solve(int n,int m)
{
	memset(dp,0,sizeof (dp));
	for(int i = 1;i <= n;i++)
	{
		for(int v = m;v > 0;v--)
		{
			if(v >= w[i])
				dp[v] = max(dp[v],dp[v-w[i]]+val[i]);
		}
	}
	printf("%d\n",dp[m]);
}
int main(){
	int n,m;
	while(scanf("%d%d",&n,&m) != EOF){
		for(int i = 1;i <= n;i++) scanf("%d%d",w+i,val+i);
		solve(n,m);
	}
	return 0;
}

二、完全背包。

(物品无限选)。
问题描述:有N种物品和一个容量为V的背包,每种物品都有无限件可用。第i种物品的费用是w[i],价值是val[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量,且价值总和最大。

解题思路:完全背包问题与0/1背包问题不同之处在于其每个物品是无限的,从每种物品的角度考虑,与它相关的策略就变成了取0件、1件、2件…。我们可以根据0/1背包的思路,对状态转移方程进行改进,令f[i][v]表示前 i 种物品恰放入一个容量为 v 的背包的最大权值。状态转移方程就变成了:
f[i][v]=max(f[i-1][v],f[i][v-w[i]]+val[i])

我们通过对0/1背包的思路加以改进,就得到了完全背包的一种解法,这种解法时间复杂度为O(n^3), 空间复杂度 为O (n^2)。

时间优化:根据上述f[ i ][ v ]的定义,其为前 i 种物品恰好放入容量为 v 的背包的最大权值。根据上述状态转移方程可知,我们假设的是子结果f[ i-1 ][ v-k*w[i] ]中并没有选入第 i 种物品,所以我们需要逆序遍历(像0/1背包一样)来确保该前提;但是我们现在考虑“加选一件第 i 种物品”这种策略时,正需要一个可能已经选入第 i 种物品的子结果f[ i ][ v-w[i] ],于是当我们顺序遍历时,就刚好达到该要求。这种做法,使我们省去了一层循环,即第 i 种物品放入的件数k,从而时间复杂度优化为O(n^2)。

空间优化:正如0/1背包的空间优化,上述状态转移方程已经优化为:
f[i][v]=max(f[i-1][v],f[i][v-w[i]]+val[i])

将这个方程用一维数组实现,便得到了如下伪代码:

for i = 1..N

   for v = 0..V

     f[v] = max(f[v],f[v-w[i]] + val[ i ] );

计算顺序:从小到大。在计算第i个物品时,f[j]中存储的数据不需要为第i-1个物品的情况,因为物品i可以取多个。所以f[j]的意义变为了前i个物品任意取,体积为j的最大价值。取i-1和取i个物品的情况共同竞争体积为j的f[j]。

感想:
能力有限 ,目前就学了这两种。
1、 动态规划的状态转移方程是与所确定状态紧密联系的,因此要写出方程,还应仔细思考状态可能有哪些情况。

总而言之,动态规划,是利用抽象的思维来解决问题的,处理动态规划问题时,一定要找准状态(重要),通过严密的思维和逻辑推导出方程,并处理好边界的状态。
下周目标:
1、每天1~2题, 周末 2~3 题 。

这篇关于第八周学习总结。(背包)的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!