背包问题：
- 问题描述有(n)件物品， 每件物品的体积为(V_i),价值为(W_i), 有一个体积为(V)的背包， 求总体积不大于(V)的所有物品总价值最大是多少
01背包问题: 每件物品只能用一次
状态表示： (dp[i][j])
- 集合：所有选法
- 条件：仅从前(i)个物品中选择，而且使得总体积不超过(j)
- 属性：(dp[i][j]), 最大价值
状态计算： 集合的划分
朴素做法：二维
void solve() {
for(int i = 1; i <= N; i++) {
for(int j = 0; j <= V; j++) {
dp[i][j] = dp[i - 1][j];
if(v[i] <= j) dp[i][j] = max(dp[i][j], dp[i - 1][j - v[i]] + w[i]);
}
}
printf("%d
", dp[N][V]);
}
优化版本：等价变形，每一层由于上一层有关
void solve() {
for(int i = 1; i <= N; i++)
for(int j = V; j >= v[i]; j--)
dp[j] = max(dp[j], dp[j - v[i]] + w[i]);
printf("%d
", dp[V]);
}
完全背包：每件物品无使用次数的限制
朴素做法
void solve() {
for(int i = 1; i <= n; i++) // 枚举所有用到物品
for(int j = 0; j <= V; j++) // 枚举所有体积
for(int k = 0; k * v[i] <= j; k++) // 枚举每件物品用到的次数
dp[i][j] = max(dp[i][j], dp[i - 1][j - k * v[i]] + w[i] * k);
cout << dp[n][V];
}
优化-1
优化思路：
(dp(i, j) = dp(i - 1, j - v_i imes k) + w_i imes k)
(dp(i, j))展开式：
(dp(i, j) = max(dp(i - 1, j), dp(i - 1, j - v_i) + w_i, dp(i - 1,j - 2 imes v_i + 2 imes w_i，...))
(dp(i,j - v_i) = max(dp(i - 1,j - v), dp(i - 1,j - 2 imes v_i + w_i, ...))
由以上两式可得：
(dp(i, j) = max(dp(i - 1, j), dp(i, j - v_i) + w_i))
- (dp(i, j) = dp(i - 1, j)) 表示第i个物品不选
- (dp(i, j) = dp(i, j - v_i) + w_i))： 表示第i个物品选若干个
void solve() {
for(int i = 1; i <= n; i++) {
for(int j = 0; j <= V; j++) {
dp[i][j] = dp[i - 1][j];
if(j >= v[i]) dp[i][j] = max(dp[i][j], dp[i][j - v[i]] + w[i]);
}
}
cout << dp[n][V];
}
优化-2: 变成一维
void solve() {
for(int i = 1; i <= n; i++) {
for(int j = v[i]; j <= V; j++)
dp[j] = max(dp[j], dp[j - v[i]] + w[i]);
}
cout << dp[V];
}
完全背包与01背包的区别：状态方程的比较
- 01背包：(dp(i,j) = max(dp(i - 1, j), dp(i - 1, j - v_i) + w_i))
- 完全背包： (dp(i, j) = max(dp(i - 1, j), dp(i, j - v_i) + w_i))
多重背包：每个物品的数量有限：仅有s[i]个
朴素暴力做法： (O(nms))
void solve() {
for(int i = 1; i <= n; i++)
for(int j = 0; j <= V; j++)
for(int k = 0; k <= s[i] && k * v[i] <= j; k++)
dp[i][j] = max(dp[i][j], dp[i - 1][j - k * v[i]] + w[i] * k);
cout << dp[n][V];
}
优化版本1：二进制拆分优化: (O(nmlogs))
- 例如： 体积为(v)的物品有(s)个，将这些物品按照2的幂次方个物品打包成新物品，可将其转化成01背包问题。
- 对每个物品的个数进行优化
- 假设有1023个物品，用多少个数可以表示从0到1023之间任意一个数？
- 将1023按照二进制表示拆分成十个数((log1023 < 10)),每个数表示其二进制表示中的一位
void solve() {
int cnt = 0;
for(int i = 0; i < n; i++) {
int a, b, c; scanf("%d%d%d", &a, &b, &c);
int k = 1;
while(k <= c) {
cnt++;
v[cnt] = k * a;
w[cnt] = k * b;
c -= k;
k *= 2;
}
if(c) { // 2^k + c == v
cnt++;
v[cnt] = a * c;
w[cnt] = b * c;
}
}
for(int i = 1; i <= cnt; i++)
for(int j = m; j >= v[i]; j--)
dp[j] = max(dp[j], dp[j - v[i]] + w[i]);
printf("%d
", dp[m]);
}
优化版本2：滑动窗口：(O())
分组背包
void solve() {
for(int i = 1; i <= n; i++) {
scanf("%d", &s[i]);
for(int j = 0; j < s[i]; j++)
scanf("%d%d", &v[i][j], &w[i][j]);
}
for(int i = 1; i <= n; i++)
for(int j = m; j >= 0; j--)
for(int k = 0; k < s[i]; k++)
if(v[i][k] <= j)
dp[j] = max(dp[j], dp[j - v[i][k]] + w[i][k]);
printf("%d
", dp[m]);
}
1013. 机器分配
- 每个公司当成一个物品组
- 可以选择用(dfs)
- 可抽象成组合背包问题
487. 金明的预算方案
二维费用的背包问题+01背包
- 状态表示：(dp[i, j, k]),从前(i)个物品中选，总体积不超过(j)、总重量不超过(k)的总价值最大值
- 状态计算：
1.如果不选择第(i)个物品，(dp[i][j][k] = dp[i - 1][j][k])
2.如果选择第i个物品，(dp[i][j][k] = max(dp[i][j][k], dp[i - 1][j - v[i]][k - w[i]] + b[i])) - 解释：当选择了第(i)个物品，其总体积为(j),总重量为(k), 因此，去掉第(i)个物品，其总价值为(dp[i - 1][j - v[i]][k - w[i]]),再加上第(i)个物品的价值即为选择第(i)个物品之后的总价值
1020. 潜水员
- 题目中的要求氧气和氮气体积至少为多少，求所需要的气缸重量最小值
- 与常见背包问题略有不同，通常的背包问题要求体积不超过某一值
- 状态表示：氧气体积至少为(j)，氮气体积至少为(k),气缸重量的最小值
- 初始化：(dp[0][0] = 0),其他状态表示为正无穷
int x, y; scanf("%d%d", &x, &y);
int n; scanf("%d", &n);
for(int i = 1; i <= n; i++) scanf("%d%d%d", &o2[i], &n2[i], &v[i]);
memset(dp, 0x3f, sizeof dp);
dp[0][0] = 0;
for(int i = 1; i <= n; i++) {
for(int j = x; j >= 0; j--) {
for(int k = y; k >= 0; k--) {
// 当j - o2[i] < 0 时，表示氧气体积至少为j - o2[i]，此时该状态是合法的，但该状态数为0，氮气同理
dp[j][k] = min(dp[j][k], dp[max(0, j - o2[i])][max(0, k - n2[i])] + v[i]);
}
}
}
printf("%d", dp[x][y]);
背包求具体方案
- 题目要求输出字典序最小的方案，因此需要逆序求(dp数组)，正序求方案