物件捆绑 背包问题 动态规划 求解

简介:   物件捆绑背包问题:给定N元钱,要购买一些器件。器件有主件和附件之分,也即主件可以单独购买,然而购买附件必须购买对应的主件。下表就是一些主件与附件的例子: 主件 附件 电脑      打印机、扫描仪 书柜 图书 书桌          台灯 工作椅 无      把每件物品规定一个重要度,分为5等:用整数1~5表示,第5等最重要。

  物件捆绑背包问题:给定N元钱,要购买一些器件。器件有主件和附件之分,也即主件可以单独购买,然而购买附件必须购买对应的主件。下表就是一些主件与附件的例子

主件 附件
电脑      打印机、扫描仪
书柜 图书
书桌          台灯
工作椅

     把每件物品规定一个重要度,分为5等:用整数1~5表示,第5等最重要。在花费不超过N元(可以等于N元)的前提下,使每件物品的价格与重要度的乘积的总和最大设第j件物品的价格为v[j],重要度为p[j],共选中了k件物品,编号依次为j1j2,……,jk,则所求的总和为:v[j1]*p[j1]+v[j2]*p[j2]+ +v[jk]*p[jk]

  输入

  1行,为两个正整数,用一个空格隔开:N  m

  从第2行到第m+1行中,第j行给出了编号为j-1的物品基本数据,每行有3个非负整数: v  p  qv:物品价格p:物品重要度q:主件还是附件。q=0为主件;q>0为附件,q是所属主件的编号)

  输出

    输出为不超过总钱数的物品的价格与其重要度乘积的总和的最大值

  动态规划求解:

  1)思路:同一般的背包问题不同的是,在购买附件的同时必须要购买相应的主件。我们需要对主,附件做捆绑。每一种捆绑结果作为一种购买方式,之后同一般的背包问题

  例如:主件A,有附件B、附件C,则由数理统计的知识可知有4中购买方式,即(A,A+B,A+C,A+B+C)。

    附件个数为n-1时的购买方式个数为:

  2)主附件捆绑的数据结构选择:

  因为一件附件只有一个主件,为了捆绑的方便性,可以采用链表的形式。主件为头结点,拉链为附件节点。如下所示:

  3)问题求解

#include<stdio.h>
#include<string.h>
#include<stdlib.h>
typedef struct node
{
    int price;  ///价格
    int priority;  ///重要程度
    struct node *next;
}Node;

typedef struct  ///拉链数据结构
{
    Node num[60];
}List;

int dp[360][32001];
int pos;    ///用于标记数量
int n,m;    ///总钱数和物品数

void input(List*);  ///物件情况输入,并构造主附件捆绑的数据结构(拉链法)
void preDP(List*);  ///进行主附件的捆绑
void exeDP(int,int);    ///执行动态规划


int main()
{
    List list;
    while(scanf("%d %d",&n,&m)!=EOF)
    {
        input(&list);
        preDP(&list);
        printf("%d\n",dp[m][n]);
    }
    return 0;
}

void input(List* list)
{
    int i;
    int v,p,q;  ///分别代表价格,重要程度,以及主件的编号
    Node *tmp;
    for(i=0;i<m;i++)
    {
        scanf("%d %d %d",&v,&p,&q);
        if(q==0)    ///主件
        {
            list->num[pos].price=v;
            list->num[pos].priority=p;
            list->num[pos].next=NULL;
            pos++;
        }
        else    ///附件
        {
            tmp=(Node*)malloc(sizeof(Node));
            tmp->price=v;
            tmp->priority=p;

            tmp->next=list->num[q-1].next;  ///使用头叉拉链法
            list->num[q-1].next=tmp;
        }
    }
}

void preDP(List *list)
{
    int i;
    int sumv,sumvp;
    Node *p=NULL,*tmp=NULL;
    m=-1;    ///捆绑物品个数计数,从0开始。

    for(i=0;i<pos;i++)  ///对每个主件开始的链
    {
        sumv=list->num[i].price;    ///只包括主件
        sumvp=list->num[i].price*list->num[i].priority;
        m++;
        exeDP(sumv,sumvp);

        p=list->num[i].next;
        while(p!=NULL)  ///包括主件+附件的情况
        {
            ///每次都要带主件
            sumv=list->num[i].price;
            sumvp=list->num[i].price*list->num[i].priority;
            tmp=p;
            while(tmp!=NULL)
            {
                sumv=sumv+tmp->price;
                sumvp=sumvp+tmp->price*tmp->priority;
                m++;
                exeDP(sumv,sumvp);
                tmp=tmp->next;
            }
            tmp=p;
            p=p->next;
            free(tmp);
        }
    }
}

void exeDP(int sumv,int sumvp)
{
    int i;
    for(i=0;i<=n;i++)
    {
        if(m==0)
        {
            if(sumv>i)
                dp[0][i]=0;
            else
                dp[0][i]=sumvp;
        }
        else
        {
            if(sumv>i)
                dp[m][i]=dp[m-1][i];
            else
                dp[m][i]=dp[m-1][i]>(dp[m-1][i-sumv]+sumvp)? dp[m-1][i]:(dp[m-1][i-sumv]+sumvp);
        }
    }
}

 

 

相关文章
|
7月前
|
算法 测试技术 C++
【动态规划】【前缀和】【C++算法】LCP 57. 打地鼠
【动态规划】【前缀和】【C++算法】LCP 57. 打地鼠
|
2月前
|
算法
动态规划算法学习三:0-1背包问题
这篇文章是关于0-1背包问题的动态规划算法详解,包括问题描述、解决步骤、最优子结构性质、状态表示和递推方程、算法设计与分析、计算最优值、算法实现以及对算法缺点的思考。
81 2
动态规划算法学习三:0-1背包问题
|
7月前
装箱问题(背包问题)
装箱问题(背包问题)
64 0
|
7月前
|
算法 测试技术 vr&ar
【动态规划】【C++算法】1340. 跳跃游戏 V
【动态规划】【C++算法】1340. 跳跃游戏 V
|
算法 定位技术 Perl
【动态规划法】0-1背包问题
【动态规划法】0-1背包问题
164 0
【动态规划法】0-1背包问题
|
机器学习/深度学习 算法 计算机视觉
【背包问题】基于禁忌搜索算法求解背包问题附Matlab代码
【背包问题】基于禁忌搜索算法求解背包问题附Matlab代码
【背包问题の第四讲】从数学角度推导「完全背包」与「01 背包」之间的遍历顺序关系
【背包问题の第四讲】从数学角度推导「完全背包」与「01 背包」之间的遍历顺序关系
|
机器学习/深度学习
详解完全背包一维空间优化推导(附背包问题攻略)
详解完全背包一维空间优化推导(附背包问题攻略)
跳跃游戏(贪心->动态规划)
跳跃游戏(贪心->动态规划)