背包问题----完全背包(详解|代码实现|背包具体物品的求解)

2024-06-14 08:32

本文主要是介绍背包问题----完全背包(详解|代码实现|背包具体物品的求解),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

完全背包是在N物品中选取若干件(同一种物品可多次选取)放在空间为V的背包里,每物品的体积为C1,C2,…,Cn,与之相对应的价值为W1,W2,…,Wn.求解怎么装物品可使背包里物品总价值最大。

动态规划(DP):

        1) 子问题定义:F[i][j]表示前i物品中选取若干件物品放入剩余空间为j的背包中所能得到的最大价值。

        2) 根据第i物品放多少件进行决策

                                     (2-1)

        其中F[i-1][j-K*C[i]]+K*W[i]表示前i-1物品中选取若干件物品放入剩余空间为j-K*C[i]的背包中所能得到的最大价值加上k件第i物品;

       设物品种数为N,背包容量为V,第i物品体积为C[i],第i物品价值为W[i]。

       与01背包相同,完全背包也需要求出NV个状态F[i][j]。但是完全背包求F[i][j]时需要对k分别取0,…,j/C[i]求最大F[i][j]值,耗时为j/C[i]。那么总的时间复杂度为O(NV∑(j/C[i]))

由此写出伪代码如下:

[cpp]  view plain copy
  1. F[0][] ← {0}  
  2.   
  3. F[][0] ← {0}  
  4.   
  5. for i←1 to N  
  6.   
  7.     do for j←1 to V  
  8.   
  9.         do for k←0 to j/C[i]  
  10.   
  11.            if(j >= k*C[i])  
  12.   
  13.                 then F[i][k] ← max(F[i][k],F[i-1][j-k*C[i]]+k*W[i])  
  14.   
  15. return F[N][V]  

以上伪代码数组均为基于1索引,即第一件物品索引为1。空间复杂度O(VN)、时间复杂度为O(NV∑(j/C[i]))

        简单优化:

        若两件物品满足C[i] ≤C[j]&&W[i] ≥W[j]时将第j种物品直接筛选掉。因为第i种物品比第j种物品物美价廉,用i替换j得到至少不会更差的方案。

       这个筛选过程如下:先找出体积大于背包的物品直接筛掉一部分(也可能一种都筛不掉)复杂度O(N)。利用计数排序思想对剩下的物品体积进行排序,同时筛选出同体积且价值最大的物品留下,其余的都筛掉(这也可能一件都筛不掉)复杂度O(V)。整个过程时间复杂度为O(N+V)

 

       转化为01背包:

       因为同种物品可以多次选取,那么第i种物品最多可以选取V/C[i]件价值不变的物品,然后就转化为01背包问题。整个过程的时间复杂度并未减少。如果把第i种物品拆成体积为C[i]×2k价值W[i]×2k的物品,其中满足C[i]×2k≤V。那么在求状态F[i][j]时复杂度就变为O(log2(V/C[i]))。整个时间复杂度就变为O(NVlog2(V/C[i]))

 

时间复杂度优化为O(NV)

将原始算法的DP思想转变一下。

设F[i][j]表示出在前i种物品中选取若干件物品放入容量为j的背包所得的最大价值。那么对于第i种物品的出现,我们对第i种物品放不放入背包进行决策。如果不放那么F[i][j]=F[i-1][j];如果确定放,背包中应该出现至少一件第i种物品,所以F[i][j]种至少应该出现一件第i种物品,即F[i][j]=F[i][j-C[i]]+W[i]。为什么会是F[i][j-C[i]]+W[i]?因为F[i][j-C[i]]里面可能有第i种物品,也可能没有第i种物品。我们要确保F[i][j]至少有一件第i件物品,所以要预留C[i]的空间来存放一件第i种物品。

状态方程为:

                           (2-2)

伪代码为:

[cpp]  view plain copy
  1. F[0][] ← {0}  
  2.   
  3. F[][0] ← {0}  
  4.   
  5. for i←1 to N  
  6.   
  7.     do for j←1 to V  
  8.   
  9.         F[i][j] ← F[i-1][j]  
  10.   
  11.         if(j >= C[i])  
  12.   
  13.             then F[i][j] ← max(F[i][j],F[i][j-C[i]]+ W[i])  
  14.   
  15. return F[N][V]  

        具体背包中放入那些物品的求法和01背包情况差不多,从F[N][V]逆着走向F[0][0],设i=N,j=V,如果F[i][j]==F[i][j-C[i]]+W[i]说明包里面有第i件物品,同时j -= C[i]。完全背包问题在处理i自减和01背包不同,01背包是不管F[i][j]与F[i-1][j-C[i]]+W[i]相不相等i都要减1,因为01背包的第i件物品要么放要么不放,不管放还是不放其已经遍历过了,需要继续往下遍历而完全背包只有当F[i][j]与F[i-1][j]相等时i才自减1。因为F[i][j]=F[i-1][j]说明背包里面不会含有i,也就是说对于前i种物品容量为j的背包全部都放入前i-1种物品才能实现价值最大化,或者直白的理解为前i种物品中第i种物品物不美价不廉,直接被筛选掉。

        打印背包内物品的伪代码如下:

[cpp]  view plain copy
  1. i←N  
  2.   
  3. j←V  
  4.   
  5. while(i>0 && j>0)  
  6.   
  7.      do if(F[i][j]=F[i][j-C[i]]+W[i])  
  8.   
  9.           then Print W[i]  
  10.   
  11.                j←j-C[i]  
  12.   
  13.         else  
  14.   
  15.           i←i-1  

        和01背包一样,也可以利用一个二维数组Path[][]来标记背包中的物品。开始时Path[N][V]初始化为0,当 F[i][j]==F[i][j-C[i]]+W[i]时Path[i][j]置1。最后通过从Path[N+1][V+1]逆着走向Path[0][0]来获取背包内物品。其中Path[0][]与Path[][0]为边界。同样,在打印路径的时候当Path[][]=1时,打印W[i];Path[][]=0时i自减1.

       加入路径信息的伪代码如下:

[cpp]  view plain copy
  1. F[0][] ← {0}  
  2.   
  3. F[][0] ← {0}  
  4.   
  5. Path[][] ← 0  
  6.   
  7. for i←1 to N  
  8.   
  9.     do for k←1 to V  
  10.   
  11.         F[i][k] ← F[i-1][k]  
  12.   
  13.         if(k >= C[i] && F[i][k] < F[i][k-C[i]]+W[i])  
  14.   
  15.             then F[i][k] ← F[i][k-C[i]]+W[i]  
  16.   
  17.                  Path[i][k] ← 1  
  18.   
  19. return F[N][V] and Path[][]  

打印背包内物品的伪代码如下:

[cpp]  view plain copy
  1. i←N  
  2.   
  3. j←V  
  4.   
  5. while(i>0 && j>0)  
  6.   
  7.      do if(Path[i][j]=1)  
  8.   
  9.           then Print W[i]  
  10.   
  11.                j←j-C[i]  
  12.   
  13.         else  
  14.   
  15.           i←i-1  

优化空间复杂度为O(V)

        和01背包问题一样,完全背包也可以用一维数组来保存数据。算法样式和01背包的很相似,唯一不同的是对V遍历时变为正序,而01背包为逆序。01背包中逆序是因为F[i][]只和F[i-1][]有关,且第i的物品加入不会对F[i-1][]状态造成影响。而完全背包则考虑的是第i物品的出现的问题,第i种物品一旦出现它势必应该对第i种物品还没出现的各状态造成影响。也就是说,原来没有第i种物品的情况下可能有一个最优解,现在第i种物品出现了,而它的加入有可能得到更优解,所以之前的状态需要进行改变,故需要正序。

状态方程为:

                          (2-3)

 

伪代码如下:

[cpp]  view plain copy
  1. F[] = {0}  
  2.   
  3. for i←1 to N  
  4.   
  5.     do for k←C[i] to V  
  6.   
  7.         F[k] ← max(F[k],F[k-C[i]]+W[i])  
  8.   
  9. return F[V]  

        具体背包中放入那些物品的求法和上面空间复杂度为O(NV)算法一样,用一个Path[][]记录背包信息。但这里面是当F[i]=F[i-C[i]]+W[i]时将Path置1.

        伪代码如下:

[cpp]  view plain copy
  1. F[0][] = {0}  
  2.   
  3. F[][0] = {0}  
  4.   
  5. Path[][] ← 0  
  6.   
  7. for i←1 to N  
  8.   
  9.     do for k←C[i] to V  
  10.   
  11.         if(F[i] < F[k-C[i]]+W[i])  
  12.   
  13.             then F[i] ← F[k-C[i]]+W[i]  
  14.   
  15.                  Path[i][k] ← 1  
  16.   
  17. return F[N][V] and Path[][]  

        打印路径的伪代码和前面未压缩空间复杂度时的伪代码一样,这里不再重写。

 

         举例:表2-1为一个背包问题数据表,设背包容量为10根据上述解决方法可得到对应的F[i][j]如表2-2所示,最大价值即为F[6][10].

表2-1背包问题数据表

物品号i123456
体积C325164
价值W65102168

 

表2-2前i件物品选若干件放入空间为j的背包中得到的最大价值表

 012345678910
000000000000
10006661212121818
2005610111516202125
3005610111516202125
4025710121517202225
5025710121618212326
6025710121618212326

 下面针对前面提到的表2-1提供两种方法的测试代码:


//时间复杂度O(VN),空间复杂度为O(VN)

#include <iostream>
#include <cstring>
#define N 101
using namespace std;
int Table[N][N],Table2[N][N],Path[N][N];
int Package02(int Weight[], int Value[], int nLen, int nCapacity)
{for(int i = 1; i <= nLen; i++){for(int j = 1; j <= nCapacity; j++){Table[i][j] = Table[i-1][j];if(j >= Weight[i-1] && Table[i][j] < Table[i][j-Weight[i-1]]+Value[i-1]){Table[i][j] = Table[i][j-Weight[i-1]]+Value[i-1];Path[i][j]=1;}}}int i2 = nLen, j2 = nCapacity;while(i2 > 0 && j2 > 0){if(Path[i2][j2] == 1){cout << Weight[i2-1] << " ";j2 -= Weight[i2-1];}elsei2--;}cout << endl;int nRet = Table[nLen][nCapacity];return nRet;
}int main()
{int Weight[] = {3,2,5,1,6,4};int Value[] =  {6,5,10,2,16,8};int nCapacity = 10;cout << Package02(Weight,Value,sizeof(Weight)/sizeof(int),nCapacity) << endl;
//	cout << Package02_Compress(Weight,Value,sizeof(Weight)/sizeof(int),nCapacity) << endl;return 0;
}
//时间复杂度O(VN),不考虑路径空间复杂度为O(V),考虑路径空间复杂度为O(VN)
#include <iostream>
#include <cstring>
#define N 101
using namespace std;
int Table[N],Path[N][N];
int Package02_Compress(int Weight[], int Value[], int nLen, int nCapacity)  
{  memset(Table,0,(nCapacity+1)*sizeof(int));  for(int i = 0; i < nLen; i++)  {  for(int j = Weight[i]; j <=nCapacity; j++)  {  if(Table[j] < Table[j-Weight[i]]+Value[i])  {  Table[j] = Table[j-Weight[i]]+Value[i];  Path[i+1][j] = 1;  }  }     }  int i3 = nLen, j3 = nCapacity;  while(i3 > 0 && j3 > 0)  {  if(Path[i3][j3] == 1)  {  cout << Weight[i3-1] << " ";  j3 -= Weight[i3-1];  }  else  i3--;  }  cout << endl;  int nRet = Table[nCapacity];      return nRet;  
}  int main()
{int Weight[] = {3,2,5,1,6,4};int Value[] =  {6,5,10,2,16,8};int nCapacity = 10;
//	cout << Package02(Weight,Value,sizeof(Weight)/sizeof(int),nCapacity) << endl;cout << Package02_Compress(Weight,Value,sizeof(Weight)/sizeof(int),nCapacity) << endl;return 0;
}


这篇关于背包问题----完全背包(详解|代码实现|背包具体物品的求解)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1059896

相关文章

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明(认真看哦) AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证,则会调用 #attemptAuthentica

好题——hdu2522(小数问题:求1/n的第一个循环节)

好喜欢这题,第一次做小数问题,一开始真心没思路,然后参考了网上的一些资料。 知识点***********************************无限不循环小数即无理数,不能写作两整数之比*****************************(一开始没想到,小学没学好) 此题1/n肯定是一个有限循环小数,了解这些后就能做此题了。 按照除法的机制,用一个函数表示出来就可以了,代码如下

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu

poj2576(二维背包)

题意:n个人分成两组,两组人数只差小于1 , 并且体重只差最小 对于人数要求恰好装满,对于体重要求尽量多,一开始没做出来,看了下解题,按照自己的感觉写,然后a了 状态转移方程:dp[i][j] = max(dp[i][j],dp[i-1][j-c[k]]+c[k]);其中i表示人数,j表示背包容量,k表示输入的体重的 代码如下: #include<iostream>#include<

hdu2159(二维背包)

这是我的第一道二维背包题,没想到自己一下子就A了,但是代码写的比较乱,下面的代码是我有重新修改的 状态转移:dp[i][j] = max(dp[i][j], dp[i-1][j-c[z]]+v[z]); 其中dp[i][j]表示,打了i个怪物,消耗j的耐力值,所得到的最大经验值 代码如下: #include<iostream>#include<algorithm>#include<

csu(背包的变形题)

题目链接 这是一道背包的变形题目。好题呀 题意:给n个怪物,m个人,每个人的魔法消耗和魔法伤害不同,求打死所有怪物所需的魔法 #include<iostream>#include<algorithm>#include<cstring>#include<stack>#include<queue>#include<set>//#include<u>#include<map

hdu1011(背包树形DP)

没有完全理解这题, m个人,攻打一个map,map的入口是1,在攻打某个结点之前要先攻打其他一个结点 dp[i][j]表示m个人攻打以第i个结点为根节点的子树得到的最优解 状态转移dp[i][ j ] = max(dp[i][j], dp[i][k]+dp[t][j-k]),其中t是i结点的子节点 代码如下: #include<iostream>#include<algorithm

hdu1171(母函数或多重背包)

题意:把物品分成两份,使得价值最接近 可以用背包,或者是母函数来解,母函数(1 + x^v+x^2v+.....+x^num*v)(1 + x^v+x^2v+.....+x^num*v)(1 + x^v+x^2v+.....+x^num*v) 其中指数为价值,每一项的数目为(该物品数+1)个 代码如下: #include<iostream>#include<algorithm>

OpenHarmony鸿蒙开发( Beta5.0)无感配网详解

1、简介 无感配网是指在设备联网过程中无需输入热点相关账号信息,即可快速实现设备配网,是一种兼顾高效性、可靠性和安全性的配网方式。 2、配网原理 2.1 通信原理 手机和智能设备之间的信息传递,利用特有的NAN协议实现。利用手机和智能设备之间的WiFi 感知订阅、发布能力,实现了数字管家应用和设备之间的发现。在完成设备间的认证和响应后,即可发送相关配网数据。同时还支持与常规Sof

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象