【关于一个单身狗在七夕向大家分享的简单必会算法题】

简介: 七夕来袭!是时候展现专属于程序员的浪漫了!单身狗的我选择了刷题hhh

多重背包问题 I


有 NN 种物品和一个容量是 VV 的背包。


第 ii 种物品最多有 sisi 件,每件体积是 vivi,价值是 wiwi。


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,VN,V,用空格隔开,分别表示物品种数和背包容积。


接下来有 NN 行,每行三个整数 vi,wi,sivi,wi,si,用空格隔开,分别表示第 ii 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≤1000<N,V≤100

0<vi,wi,si≤1000<vi,wi,si≤100


输入样例

4 5
1 2 3
2 4 1
3 4 3
4 5 2

输出样例:

10

其实代码没什么特别多说的,这些都是板子题,还是需要大家多练。

AC:

#include <iostream>
#include <algorithm>
using namespace std ;
const int N = 110 ;
int n, m ;
int v[N], w[N] ,s[N] ;
int f[N][N] ;
int main()
{
  cin >> n >> m ;
  for(int i=1; i<=n; i++)
  {
    cin >> v[i] >> w[i] >> s[i] ;
  }
  for(int i=1; i<=n; i++)
  {
    for(int j=0; j<=m; j++)
    {
      for(int k=0; k<=s[i] && k*v[i]<=j; k++)
      {
        f[i][j] = max(f[i][j], f[i-1][j-v[i]*k]+w[i]*k) ;
      }
     } 
  }
  for(int i=1; i<=n; i++)
  {
    for(int j=0; i<=m; j++)
    {
      for(int k=0; k<=s[i] && k*v[i]<=j; k++)
      {
        f[i][j] = max(f[i][j], f[i-1][j-v[i]*k]+w[i]*k) ;
      } 
    }
  }
  cout << f[n][m] << endl ;
  return 0 ;
 } 

多重背包问题 II


有 NN 种物品和一个容量是 VV 的背包。


第 ii 种物品最多有 sisi 件,每件体积是 vivi,价值是 wiwi。


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,VN,V,用空格隔开,分别表示物品种数和背包容积。


接下来有 NN 行,每行三个整数 vi,wi,sivi,wi,si,用空格隔开,分别表示第 ii 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≤10000<N≤1000

0<V≤20000<V≤2000

0<vi,wi,si≤20000<vi,wi,si≤2000


提示:


本题考查多重背包的二进制优化方法。


输入样例

4 5
1 2 3
2 4 1
3 4 3
4 5 2


输出样例

10

AC:

#include <iostream>
#include <algorithm>
using namespace std ;
const int N = 12010, M = 2010 ;
int n , m;
int v[N], w[N] ;
int f[M] ;
int main()
{
  cin >> n >> m ;
  int cnt = 0 ;
  for(int i=1; i<=n; i++)
  {
    int a, b ,s ;
    cin >> a >> b >> s ;
    int k = 1 ;
    while(s>=k)
    {
      cnt++ ;
      v[cnt] = a*k ;
      w[cnt] = b*k ;
      s-=k ;
      k*=2 ;
    }
    if(s>=0)
    {
      cnt++ ;
      v[cnt] = a*s ;
      w[cnt] = b*s ;
    }
  }   
    n = cnt ;
    for(int i=1; i<=n; i++)
    {
      for(int j=m; j>=v[i]; j--)
      {
        f[j] = max(f[j], f[j-v[i]]+w[i]) ;
      }
    } 
  cout << f[m] << endl ;
  return 0 ;
}

好了,今天就向大家分享这两个简单的板子题,当然背包问题还有更多板子,如果大家需要详细解答的话,可以在文章下面给我留言,这样我会将这两个题以及之后的推荐算法题都向大家做一个讲解的。


相关文章
|
24天前
|
算法 安全 数据安全/隐私保护
基于game-based算法的动态频谱访问matlab仿真
本算法展示了在认知无线电网络中,通过游戏理论优化动态频谱访问,提高频谱利用率和物理层安全性。程序运行效果包括负载因子、传输功率、信噪比对用户效用和保密率的影响分析。软件版本:Matlab 2022a。完整代码包含详细中文注释和操作视频。
|
1月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于MSER和HOG特征提取的SVM交通标志检测和识别算法matlab仿真
### 算法简介 1. **算法运行效果图预览**:展示算法效果,完整程序运行后无水印。 2. **算法运行软件版本**:Matlab 2017b。 3. **部分核心程序**:完整版代码包含中文注释及操作步骤视频。 4. **算法理论概述**: - **MSER**:用于检测显著区域,提取图像中稳定区域,适用于光照变化下的交通标志检测。 - **HOG特征提取**:通过计算图像小区域的梯度直方图捕捉局部纹理信息,用于物体检测。 - **SVM**:寻找最大化间隔的超平面以分类样本。 整个算法流程图见下图。
|
9天前
|
算法 数据挖掘 数据安全/隐私保护
基于FCM模糊聚类算法的图像分割matlab仿真
本项目展示了基于模糊C均值(FCM)算法的图像分割技术。算法运行效果良好,无水印。使用MATLAB 2022a开发,提供完整代码及中文注释,附带操作步骤视频。FCM算法通过隶属度矩阵和聚类中心矩阵实现图像分割,适用于灰度和彩色图像,广泛应用于医学影像、遥感图像等领域。
|
10天前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。
|
11天前
|
存储 算法 决策智能
基于免疫算法的TSP问题求解matlab仿真
旅行商问题(TSP)是一个经典的组合优化问题,目标是寻找经过每个城市恰好一次并返回起点的最短回路。本文介绍了一种基于免疫算法(IA)的解决方案,该算法模拟生物免疫系统的运作机制,通过克隆选择、变异和免疫记忆等步骤,有效解决了TSP问题。程序使用MATLAB 2022a版本运行,展示了良好的优化效果。
|
10天前
|
机器学习/深度学习 算法 芯片
基于GSP工具箱的NILM算法matlab仿真
基于GSP工具箱的NILM算法Matlab仿真,利用图信号处理技术解析家庭或建筑内各电器的独立功耗。GSPBox通过图的节点、边和权重矩阵表示电气系统,实现对未知数据的有效分类。系统使用MATLAB2022a版本,通过滤波或分解技术从全局能耗信号中提取子设备的功耗信息。
|
10天前
|
机器学习/深度学习 算法 5G
基于MIMO系统的SDR-AltMin混合预编码算法matlab性能仿真
基于MIMO系统的SDR-AltMin混合预编码算法通过结合半定松弛和交替最小化技术,优化大规模MIMO系统的预编码矩阵,提高信号质量。Matlab 2022a仿真结果显示,该算法能有效提升系统性能并降低计算复杂度。核心程序包括预编码和接收矩阵的设计,以及不同信噪比下的性能评估。
27 3
|
21天前
|
人工智能 算法 数据安全/隐私保护
基于遗传优化的SVD水印嵌入提取算法matlab仿真
该算法基于遗传优化的SVD水印嵌入与提取技术,通过遗传算法优化水印嵌入参数,提高水印的鲁棒性和隐蔽性。在MATLAB2022a环境下测试,展示了优化前后的性能对比及不同干扰下的水印提取效果。核心程序实现了SVD分解、遗传算法流程及其参数优化,有效提升了水印技术的应用价值。
|
22天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于贝叶斯优化CNN-LSTM网络的数据分类识别算法matlab仿真
本项目展示了基于贝叶斯优化(BO)的CNN-LSTM网络在数据分类中的应用。通过MATLAB 2022a实现,优化前后效果对比明显。核心代码附带中文注释和操作视频,涵盖BO、CNN、LSTM理论,特别是BO优化CNN-LSTM网络的batchsize和学习率,显著提升模型性能。