背包算法(Knapsack Algorithm)
导引问题-食堂就餐
现有餐券1张,面值10元。
菜肴N种:炸鸡腿8元;大排5元;荷包蛋:4元;炒青菜:3元;番茄炒蛋:4元……
餐券的特点:一次性使用,不找零;
问:若每种菜只能选一个,为了充分发挥餐券的作用,最多可以消费多少元?
什么是背包问题:
背包问题的基本模型:
给你一个容量为V的背包和若干种物品,在一定的限制条件下(每种物品都占用一定容量),问最多能放进多少价值的物品?
此类问题为指数级的问题
背包问题:
1.最典型、最基本的DP问题;
2.理解并熟练掌握背包问题意义重大;
3.DP问题中“状态”概念的理解;
4.背包的每个容量就是“状态”(思考一下杯子倒水问题中的状态转移);
背包问题的分类
1)01背包
2)完全背包
3)多重背包
4)二维费用背包
5)混合三种背包
6)分组背包
7)有依赖的背包
一、01背包
01背包(最基础的背包问题):
有N件物品和一个容量为V的背包。第i件物品的费用是c[i],价值是w[i]。求解将哪些物品装入背包可使价值总和最大。
问题特点:每种物品仅有一件,可以选择放或不放;
思考:在每个物品都有可能被选中的前提下,如何构造“子问题”?
无序变有序的方法:依次考虑前1、前2、前3...前i个物品;
状态定义:f[i][v]表示前i件物品放入一个容量为v的背包可以获得的最大价值。
例1:题目链接:Problem - 2602 (hdu.edu.cn)
Sample Input
1
5 10
1 2 3 4 5
5 4 3 2 1
Sample Output
14
解题代码
#include<bits/stdc++.h>
using namespace std;int dp[1001],w[1000],c[1000];
int main()
{int num,n,V,i,j;cin>>num;while(num--){cin>>n>>V;for(int i=0;i<n;i++)cin>>w[i];for(int i=0;i<n;i++)cin>>c[i];memest(dp,0,sizeof(dp));for(int i=0;i<n;i++)for(int j=V;j>=c[i];j--)dp[j]=max(dp[j],dp[j-c[i]]+w[i]);cout<<dp[V];}
}
运行结果
01问题的伪代码如下:
for i = 1 to n // 所有物品
for j = V to v[i] // 思考:为何没必要循环到0?
dp[j] = max(dp[j],dp[j-v[i]] + w[i]);
空间成功优化到一维V。
二、完全背包
完全背包特点:一种物品可以取无数个
可否转化成01背包问题?
朴素的转化方式是?
回忆01背包为何要对容量按照逆序循环?
和01背包类似,不过就是正着写!
深度思考:这类能不能达到的问题应该怎么实现?
三、多重背包
多重背包特点:
一种物品有C个(既不是固定的1个,也不是无数个)
优化的方法:
运用二进制,进行物品拆分,转化成01背包。
比如:13个相同的物品可分成4组(1,2,4,6)
用这4组可以组成任意一个1~13之间的数!
原理:一个数总可以用2^k表示
而且总和等于13,所以不会组成超过13的数
所以可将一种有C个的物品拆分成:
1,2,4,...,2^(k-1),C-(2^k-1)
然后进行01背包。
优化部分的参考代码:
int t=1;
while(x>=t)
{v[cnt]=a*t;c[cnt++]=b*t;x-=t;t<<=1;
}if(x)
{v[cnt]=a*x;c[cnt++]=b*x;
}
四、二维费用背包
二维费用背包问题:
对于每件物品,具有两种不同的费用;选择这件物品必须同时付出这两种代价;对于每种代价都有一个可付出的最大值(比如,背包容量、最大承重),求怎样选择物品可以得到最大的价值。
设第i件物品所需的两种代价分别为a[i]和b[i],两种代价可付出的最大值(比如体积和重量)分别为V和U,物品的价值为w[i]。
对应算法:费用加了一维,只需状态也加一维即可!
设f[i][v][u]表示前i件物品付出两种代价分别为v和u时可获得的最大价值,状态转移方程则为:
f[i][v][u]=max{f[i-1][v][u],f[i-1][v-a[i]][u-b[i]]+w[i]}
背包算法(Knapsack Algorithm)相关推荐
- 动态规划(Dynamic Programming)与贪心算法(Greedy Algorithm)
文章目录 动态规划算法(Dynamic Programming) 动态规划问题的属性 应用实例:最长公共子序列问题(Longest Common Subsequence, LCS) 贪心算法(Gree ...
- 0-1背包问题和部分背包(fractional knapsack)问题分析
简介 背包问题已经是一个很经典而且讨论很广泛的算法问题了.最近学习到这一部分,打算结合自己思考和编码的过程做一个思考总结.这里主要讨论的0-1背包问题和部分背包问题解决方法背后其实隐藏了两种我们比较常 ...
- [100天每天一个算法--第1天] 背包算法
其实PHP程序员需不需要学算法,要不要深挖算法,一直没个定论.博主本人准大四,在找实习的过程中逐渐发现学习算法的重要性,博主以前在学校的工作室老大说过一句话,熟悉算法,可以让你的天花板更高一些,所以便 ...
- HMM——维特比算法(Viterbi algorithm)
1. 前言 维特比算法针对HMM第三个问题,即解码或者预测问题,寻找最可能的隐藏状态序列: 对于一个特殊的隐马尔可夫模型(HMM)及一个相应的观察序列,找到生成此序列最可能的隐藏状态序列. 也就是说给 ...
- 分类系列之感知器学习算法PLA 和 口袋算法Pocket Algorithm
我们有一堆数据,默认他们是线性可分的. 定义f为这个数据分割线的最优解,但是我们不知道他的值. 我们仅有一个函数集H,这个函数一般是无穷大的.我们的目的就是从H中找出一条线g来尽可能的接近f.但是 ...
- 反向传播算法 Backpropagation Algorithm
假设我们有一个固定样本集,它包含 个样例.我们可以用批量梯度下降法来求解神经网络.具体来讲,对于单个样例(x,y),其代价函数为:这是一个(二分之一的)方差代价函数.给定一个包含 个样例的数据集,我们 ...
- 疯子的算法总结(二) STL Ⅰ 算法 ( algorithm )
写在前面: 为了能够使后续的代码具有高效简洁的特点,在这里讲一下STL,就不用自己写堆,写队列,但是做为ACMer不用学的很全面,我认为够用就好,我只写我用的比较多的. 什么是STL(STl内容): ...
- 语音识别学习日志 2019-7-17 语音识别基础知识准备6 {维特比算法(Viterbi Algorithm)}
HMM 维特比算法(Viterbi Algorithm)详细解释参考:http://www.52nlp.cn/hmm-learn-best-practices-six-viterbi-algorith ...
- 分布式共识算法 (Consensus Algorithm)
分布式共识算法 (Consensus Algorithm) 如何理解分布式共识? 多个参与者 针对 某一件事 达成完全 一致 :一件事,一个结论 已达成一致的结论,不可推翻 有哪些分布式共识算法? P ...
- Python+OpenCV:图像快速角点检测算法(FAST Algorithm for Corner Detection)
Python+OpenCV:图像快速角点检测算法(FAST Algorithm for Corner Detection) 理论 Feature Detection using FAST Select ...
最新文章
- 深度学习不能取代计算机视觉技术背后的真正原因
- /dev/null 位桶
- Net平台下的分布式缓存设计
- java arraystoreexception_208道高频 Java面试题答案6
- Activity service 通信
- SNF开发平台WinForm之五-高级查询使用说明-SNF快速开发平台3.3-Spring.Net.Framework
- 瓦片地图与geoserver发布
- D3 treecluster
- MIC检测方式(六)
- Eclipse汉化教程
- matlab eemd输出,如何使用eemd工具包
- 适合程序员的英文名字
- RS485两台设备用了半年,今天突然没数了,并上串口一直时不时有多余FF等乱码输出。单独串口接电脑试都正常,共地就正常了
- 【游戏】金融帝国2:金融帝国实验室(Capitalism Lab)3.0.19安装包下载
- 从一个程序中生成另一个程序(资源法)
- 中学计算机社团活动计划,社团活动方案
- 某某桥的检测和加固设计
- 读书笔记--PRML(1)
- 干了一年“元宇宙”,Meta亏了300亿美金
- 教你如何从Google Map爬数据(切片)