01背包和完全背包

简介: 01背包和完全背包

输出一个整数,表示最大价值。


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 vi,价值是 wi。


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 vi,wi用空格隔开,分别表示第 i 件物品的体积和价值。


输出格式

数据范围

0<N,V≤1000

0<vi,wi≤1000

输入样例
1. 4 5
2. 1 2
3. 2 4
4. 3 4
5. 4 5
输出样例:
8

思路:每个物体只有一个,所以状态有选或者不选两种,二维的dp[i][j]意思是选前i个物体空间为j的最大值。最大值就是dp[i][  ]中最大的一个,这样可以得出状态转移方程:

dp[i][j]=dp[i-1][j];
            if(j>=a[i])
                dp[i][j]=max(dp[i][j],dp[i-1][j-a[i]]+s[i]);

二维完整代码:

 

#include <iostream>
using namespace std;
const int N=1010;
int a[N],s[N],res;
 
int dp[N][N];
 
 
int main(){
    int n,m;
    cin>>n>>m;
    for(int i=1;i<=n;i++){
        cin>>a[i]>>s[i];
    }
    for(int i=1;i<=n;i++){
        for(int j=1;j<=m;j++){
            dp[i][j]=dp[i-1][j];
            if(j>=a[i])
                dp[i][j]=max(dp[i][j],dp[i-1][j-a[i]]+s[i]);
                
        }
    }
    for(int i=1;i<=m;i++)res=max(res,dp[n][i]);
    cout<<res;
}

优化后一维代码:

#include <iostream>
using namespace std;
const int N=1010;
int a[N],s[N];
int dp[N];
 
int main(){
    int n,m;
    cin>>n>>m;
    for(int i=1;i<=n;i++)
        cin>>a[i]>>s[i];
    for(int i=1;i<=n;i++){
        for(int j=m;j>=a[i];j--)
            dp[j]=max(dp[j],dp[j-a[i]]+s[i]);
    }
    cout<<dp[m];
}

完全背包

有 N 种物品和一个容量是 V 的背包,每种物品都有无限件可用。


第 i 种物品的体积是 vi,价值是 wi。


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,分别表示物品种数和背包容积。


接下来有 N 行,每行两个整数 vi,wi用空格隔开,分别表示第 i种物品的体积和价值。


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<vi,wi≤1000


输入样例

4 5

1 2

2 4

3 4

4 5

输出样例:

10

思路:完全背包区别不同在于物体个数无限多,所以状态转移方程:

 dp[i][j]=dp[i-1][j];
            if(j>=a[i])dp[i][j]=max(dp[i][j],dp[i][j-a[i]]+s[i]);

这里完全背包和01背包代码的区别在于 dp[i][j-a[i]]和dp[i-1][j-a[i]],结合dp的真实意义即选前i个物体空间为j的最大值,01背包因为物体拿完之后不能再拿所以是i-1,完全背包有无数个物体所以拿完后还是i


二维完整代码:

#include <iostream>
using namespace std;
const int N=1010;
int a[N],s[N],dp[N][N],res;
 
int main(){
    int n,m;
    cin>>n>>m;
    for(int i=1;i<=n;i++)
        cin>>a[i]>>s[i];
    for(int i=1;i<=n;i++)
        for(int j=1;j<=m;j++)
        {
            dp[i][j]=dp[i-1][j];
            if(j>=a[i])dp[i][j]=max(dp[i][j],dp[i][j-a[i]]+s[i]);
        }
    for(int i=1;i<=m;i++)res=max(res,dp[n][i]);
    cout<<res;
}

优化后一维代码:

#include <iostream>
using namespace std;
const int N=1010;
int a[N],s[N];
int dp[N];
 
int main(){
    int n,m;
    cin>>n>>m;
    for(int i=1;i<=n;i++)
        cin>>a[i]>>s[i];
    for(int i=1;i<=n;i++){
        for(int j=a[i];j<=m;j++)
            dp[j]=max(dp[j],dp[j-a[i]]+s[i]);
    }
    cout<<dp[m];
}
相关文章
|
6月前
01背包问题的理解
01背包问题的理解
|
1月前
|
算法
浅谈完全背包问题
浅谈完全背包问题
|
6月前
完全背包问题
完全背包问题
55 0
动态规划之01背包问题和完全背包问题
动态规划之01背包问题和完全背包问题
动态规划——01背包问题、完全背包问题
动态规划——01背包问题、完全背包问题
91 0
|
算法 决策智能
背包问题——01背包|完全背包 1
背包问题——01背包|完全背包
312 0
背包问题——01背包|完全背包 2
背包问题——01背包|完全背包
187 0
|
测试技术 容器
动态规划之背包问题——背包三讲(01背包,完全背包,多重背包)(三)
动态规划之背包问题——背包三讲(01背包,完全背包,多重背包)(三)
211 0
动态规划之背包问题——背包三讲(01背包,完全背包,多重背包)(三)
|
测试技术
动态规划之背包问题——背包三讲(01背包,完全背包,多重背包)(二)
动态规划之背包问题——背包三讲(01背包,完全背包,多重背包)(二)
288 0
动态规划之背包问题——背包三讲(01背包,完全背包,多重背包)(二)
|
JavaScript 测试技术 vr&ar
动态规划之背包问题——背包三讲(01背包,完全背包,多重背包)(一)
动态规划之背包问题——背包三讲(01背包,完全背包,多重背包)(一)
149 0
动态规划之背包问题——背包三讲(01背包,完全背包,多重背包)(一)