DP之背包基础


目录

DP简介

01背包问题

采药(01背包例题)

完全背包

疯狂的采药(完全背包例题)

背包变式

装箱问题

砝码称重

质数拆分 

优化思考 


DP简介

全称Dynamic Programming即动态规划 

DP算法是解决多阶段决策过程最优化问题的一种常用方法。

多阶段决策过程是指这样一类特殊的活动过程,过程可以按时间顺序分解成若干个相互联系的阶段,在每一个阶段都需要做出决策,全部过程的决策是一个决策序列。

动态规划算法是解决多阶段决策过程最优化问题的一种常用方法,难度比较大,技巧性也很强。利用动态规划算法,可以优雅而高效地解决很多贪婪算法或分治算法不能解决的问题。

有时遇到暴搜宽搜TLE、贪心分治不理想的情况时,用动态规划常常能够起到出人意料的效果

01背包问题

01背包问题最经典的问题就是给一个背包,让你从中选取n个物品且每个物品只能选一次,求取在背包容量满足大于等于背包内物品总体积的情况下,所能装的物品的最大价值或者最小价值,在对于这种问题时,我们常常利用数学集合的思想来解决

我们将背包当中的物品体积开一个v[N]数组,价值开一个w[N]数组,最后开一个dp二维数组

v[N]一维数组来存储每个物品的体积,w[N]一维数组来存储每个物品的价值

dp[i][j]表示从i个物品当中选取,且体积不超过j的选法,因当第一种情况成立时,返回值为0,第二种情况成立时,选取物品放入,返回的是所选取物品的价值,所以dp二维数组的返回值是此种选法情况的背包中物品的最大价值

对应每个dp[i][j]可以分为两种选择情况:

第一种选择情况为从i - 1个物品当中选取,且总体积不超过j的情况

第二种选择情况为从i个物品当中选取,且总体积不超过j的情况

在对于dp二维数组的模拟过程之中我们发现第二种情况要用i来描述,第一种情况要用i - 1描述,二者不完全一致,因此为了优化,我们将第二种情况进行合理变式为从i - 1个物品当中选取,且总体积不超过j - v[i]的情况

因此dp二维数组在依次枚举的时候就可以这样做变动

f[i][j] = f[i - 1][j];//第一种情况
if(j >= v[i])f[i][j] = max(f[i - 1][j],f[i - 1][j - v[i] + w[i]);//第二种情况

两种情况求取最大值,第二种情况的成立条件是第i件物品的体积小于背包体积

采药(01背包例题)

辰辰是个天资聪颖的孩子,他的梦想是成为世界上最伟大的医师。为此,他想拜附近最有威望的医师为师。医师为了判断他的资质,给他出了一个难题。医师把他带到一个到处都是草药的山洞里对他说:“孩子,这个山洞里有一些不同的草药,采每一株都需要一些时间,每一株也有它自身的价值。我会给你一段时间,在这段时间里,你可以采到一些草药。如果你是一个聪明的孩子,你应该可以让采到的草药的总价值最大。”如果你是辰辰,你能完成这个任务吗?

题目描述

第一行有 2 个整数 T和M,用一个空格隔开,T 代表总共能够用来采药的时间,M 代表山洞里的草药的数目
接下来的 M行每行包括两个在1到 100之间(包括 1 和 100)的整数分别表示草药的时间和这株草药的价值。

输入

输出在规定的时间内可以采到的草药的最大总价值。

输出

输出在规定的时间内可以采到的草药的最大总价值

样例输入

70 3
71 100
69 1
1 2

样例输出

3

源代码

这道题目就是很经典的01背包问题,换汤不换药而已。背包中的物品换做了草药,背包的体积换作了最多能够使用的时间,物品的体积换做了采取草药的时间

#include <iostream>
using namespace std;
const int N = 3000+10;
int v[N];//存每株草药采取所花时间 
int w[N];//存每株草药的价值 
int T,M;
int dp[N][N];//存不同情况的不同最大价值 
int main()
{cin >> T >> M;for(int i = 1;i <= M;i ++ )cin >> v[i] >> w[i];for(int i = 1;i <= M;i ++ ){for(int j = 0;j <= T;j ++ ){dp[i][j] = dp[i - 1][j];if(j >= v[i])dp[i][j] = max(dp[i - 1][j],dp[i - 1][j - v[i]] + w[i]);}}cout << dp[M][T];return 0;
}

优化后源代码 

#include <iostream>
using namespace std;
const int N = 3000+10;
int v[N];//存每株草药采取所花时间 
int w[N];//存每株草药的价值 
int T,M;
int dp[N];//存不同情况的不同最大价值 
int main()
{cin >> T >> M;for(int i = 1;i <= M;i ++ )cin >> v[i] >> w[i];for(int i = 1;i <= M;i ++ ){for(int j = T;j >= v[i];j -- ){dp[j] = max(dp[j],dp[j - v[i]] + w[i]);}}cout << dp[T];return 0;
}

完全背包

简单来说,就是01背包的变形,其本质与01背包相似,只是在完全背包当中,每一个物品可以被选择无数次,而不是只能够选择一次,一般来说,完全背包问题是要进行性优化的,否则会TLE 

疯狂的采药(完全背包例题)

题目描述

LiYuxiang 是个天资聪颖的孩子,他的梦想是成为世界上最伟大的医师。为此,他想拜附近最有威望的医师为师。医师为了判断他的资质,给他出了一个难题。医师把他带到一个到处都是草药的山洞里对他说:“孩子,这个山洞里有一些不同种类的草药,采每一种都需要一些时间,每一种也有它自身的价值。我会给你一段时间,在这段时间里,你可以采到一些草药。如果你是一个聪明的孩子,你应该可以让采到的草药的总价值最大。”


如果你是 LiYuxiang,你能完成这个任务吗?

此题和原题(采药)的不同点:

1. 每种草药可以无限制地疯狂采摘。

2. 药的种类眼花缭乱,采药时间好长好长啊!师傅等得菊花都谢了!

输入

输入第一行有两个整数,分别代表总共能够用来采药的时间 t 和代表山洞里的草药的数目 m。

第2到第 (m+1) 行,每行两个整数,第 (i+1) 行的整数 ai, bi分别表示采摘第 i 种草药的时间和该草药的价值。

输出

输出一行,这一行只包含一个整数,表示在规定的时间内,可以采到的草药的最大总价值

样例输入

70 3
71 100
69 1
1 2

样例输出

140

源代码(已优化)

#include <iostream>
using namespace std;
const int N = 1000000+10;
int v[N];//存每株草药采取所花时间 
int w[N];//存每株草药的价值 
int T,M;
int dp[N];//存不同情况的不同最大价值 
int main()
{cin >> T >> M;for(int i = 1;i <= M;i ++ )cin >> v[i] >> w[i];for(int i = 1;i <= M;i ++ ){for(int j = v[i];j <= T;j ++ ){dp[j] = max(dp[j],dp[j - v[i]] + w[i]);}}cout << dp[T];return 0;
}

背包变式

装箱问题

题目描述

有一个箱子容量为V(正整数,0≤V≤20000),同时有n个物品(0<n≤30,每个物品有一个体积(正整数)。要求n个物品中,任取若干个装入箱内,使箱子的剩余空间为最小。

输入

1个整数,表示箱子容量
1个整数,表示有m个物品
接下来n行,分别表示这n个物品的各自体积

输出

1个整数,表示箱子剩余空间。

样例输入

24
6
8
3
12
7
9
7

样例输出

0

源代码

典型的完全背包问题,只不过求取最大值换做了求取最小值,简单变式即可 

#include <iostream>
using namespace std;
const int N = 1000000+10;
int v[N];//存物品的体积 
int V,M;
int dp[N];//存不同情况的不同最大占用空间
int main()
{cin >> V >> M;for(int i = 1;i <= M;i ++ )cin >> v[i];for(int i = 1;i <= M;i ++ ){for(int j = v[i];j <= V;j ++ ){dp[j] = max(dp[j],dp[j - v[i]] + v[i]);}}cout << V - dp[V];return 0;
}

砝码称重

题目描述

你有一架天平和 N 个砝码,这 N 个砝码重量依次是 W1, W2, · · · , WN。
请你计算一共可以称出多少种不同的重量?
注意砝码可以放在天平两边。

输入

输入的第一行包含一个整数 N。
第二行包含 N 个整数:W1, W2, W3, · · · , WN。
对于 50% 的评测用例,1 ≤ N ≤ 15。
对于所有评测用例,1 ≤ N ≤ 100,N 个砝码总重不超过 100000。

输出

输出一个整数代表答案。

样例输入

3
1 4 6

样例输出

10

源代码

[样例说明]
能称出的 10 种重量是:1、2、3、4、5、6、7、9、10、11。
1 = 1;
2 = 6 - 4(天平一边放 6,另一边放 4);
3 = 4 - 1;
4 = 4;
5 = 6 - 1;
6 = 6;
7 = 1 + 6;
9 = 4 + 6 - 1;
10 = 4 + 6;
11 = 1 +  4 + 6

此处的dp为状态01数组 

#include <iostream>
using namespace std;
const int N = 3000+10;
int f[N][N];
int w[N];
int n,sum = 0,ans = 0;
//sum为累加砝码的最大值,即最大边界值
//无论砝码如何放置,每个砝码只能使用一次且最小值一定大于等于1 
int main()
{cin >> n;for(int i = 1;i <= n;i ++ )//输入n个砝码的值 {cin >> w[i];sum += w[i];//累加最大边界值 }for(int i = 1;i <= n;i ++ )//外层循环砝码 {f[i][w[i]] = 1;//首先将该砝码重量标记为一种情况 for(int j = 1;j <= sum;j ++ )//内层循环砝码值 {if(f[i - 1][j] == 1)//若上层为1 {f[i][j] = 1;//则继承此种成立情况//对于新加的砝码值进行左右标记 f[i][j + w[i]] = 1; f[i][abs(j - w[i])] = 1;}}}for(int i = 1;i <= sum;i ++ )//扫描1~最大边界值的砝码值 {if(f[n][i] == 1)ans ++ ;//若为1则证明此砝码值可以整出来 }cout << ans;return 0;
}

质数拆分 

题目描述

2019可以被分解成若干个两两不同的素数,请问不同的分解方案有多少种?
注意:分解方案不考虑顺序,如 2 + 2017 = 2019 和 2017 + 2 = 2019 属于同一种方案。

输入

输出

55965365465060

样例输入

样例输出

55965365465060

源代码(已优化)

本题拉取素数优化的方法可以了解一下埃氏筛法与线性筛法

#include <iostream>
using namespace std;
const int N = 3000+10;
int prime[N];
bool isprime[N];
int idx = 0;
long long dp[N];
void init()//线性筛法拉取素数表 
{for(int i = 2;i <= 2019;i ++ ){if(!isprime[i]){prime[ ++ idx ] = i;}for(int j = 1;j <= idx && i <= 2019 / prime[j];j ++ ){isprime[i * prime[j]] = 1;if(i % prime[j] == 0)break;}}
}
int main()
{init();dp[0] = 1;//注意 for(int i = 1;i <= idx;i ++ ){for(int j = 2019;j >= prime[i];j -- ){dp[j] = dp[j] + dp[j - prime[i]];}}cout << dp[2019];return 0;
}

优化思考 

二维数组的开辟范围当然是限制性很大的,所以利用dp二维数组并不能够用来表示当物品种类过大的情况,那么动态规划的算法也就有了鸡肋性,不过幸好,我们可以将一维数组优化为二维数组,优化的方式是将代码等价变形,并减少非必要的元素遍历

当我们将dp数组的首坐标删去之后,我们可以发现循环里面的

dp[i][j] = dp[i - 1][j];

变成了

dp[j] = dp[j];

因此首行代码可以省去

根据第二行代码的情况进行减少数据遍历的优化,当第二行的情况成立时,j应该大于等于v[i],也就是说在从0~v[i] - 1的情况都是无意义的遍历,因此的原本两种情况可以合并为一种情况

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

换做

dp[j] = max(dp[j],dp[j - v[i]] + w[i]);

但是此时变形之后的一维数组相当于

dp[i][j] = max(dp[i - 1][j],dp[i][j - v[i]] + w[i]);

然而我们想要的是

dp[i][j] = max(dp[i - 1][j],dp[i - 1][j - v[i]] + w[i]);

所以我们要对于第二重循环的j进行改变 

for(int i = 1;i <= M;i ++ )
{for(int j = 0;j <= T;j ++ ){dp[i][j] = dp[i - 1][j];if(j >= v[i])dp[i][j] = max(dp[i - 1][j],dp[i - 1][j - v[i]] + w[i]);}
}

调整之后为

for(int i = 1;i <= M;i ++ )
{for(int j = T;j >= v[i];j -- ){dp[j] = max(dp[j],dp[j - v[i]] + w[i]);}
}

谨记

第二重循环从大到小遍历之后的优化为01背包优化也就是

dp[i][j] = max(dp[i - 1][j],dp[i - 1][j - v[i]] + w[i]);

第二重循环从小到大的遍历为完全背包优化也就是

dp[i][j] = max(dp[i - 1][j],dp[i][j - v[i]] + w[i]);

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/890855.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

CSS---实现盒元素div内input/textarea的focus状态时给父元素加属性!

注意兼容性&#xff0c;低版本浏览器无效 要实现当 textarea 文本框获得焦点时&#xff0c;自动给其父元素添加类名或样式&#xff0c;您可以使用 CSS 的 :focus-within 伪类选择器。这个选择器会在元素本身或其任何子元素获得焦点时应用样式。 示例代码 假设您有以下 HTML 结…

2011-2020年各省城镇职工基本医疗保险年末参保人数数据

2011-2020年各省城镇职工基本医疗保险年末参保人数数据 1、时间&#xff1a;2011-2020年 2、来源&#xff1a;国家统计局 3、指标&#xff1a;省份、时间、城镇职工基本医疗保险年末参保人数 4、范围&#xff1a;31省 5、指标解释&#xff1a;参保人数指报告期末按国家有关…

Bert中文文本分类

这是一个经典的文本分类问题&#xff0c;使用google的预训练模型BERT中文版bert-base-chinese来做中文文本分类。可以先在Huggingface上下载预训练模型备用。https://huggingface.co/google-bert/bert-base-chinese/tree/main 我使用的训练环境是 pip install torch2.0.0; pi…

【无标题】学生信息管理系统界面

网页是vue框架&#xff0c;后端直接python写的没使用框架

macos安装maven以及.bash_profile文件优化

文章目录 下载和安装maven本地仓库配置国内镜像仓库配置.bash_profile文件优化 下载和安装maven maven下载地址 存放在/Library/Java/env/maven目录 本地仓库配置 在maven-3.9.9目录下创建maven-repo目录作为本地文件仓库打开setting配置文件 在setting标签下&#xff0c;添…

用Excel表格在线发布期末考试成绩单

每到期末&#xff0c;发布学生的期末考试成绩单便是老师们的一项重要任务。以往&#xff0c;传统的纸质成绩单分发效率低还易出错&#xff0c;而借助 Excel 表格在线发布&#xff0c;则开启了全新高效模式。 老师们先是精心整理各科成绩&#xff0c;录入精准无误的分数到 Excel…

WPF 绘制过顶点的圆滑曲线(样条,贝塞尔)

项目中要用到样条曲线&#xff0c;必须过顶点&#xff0c;圆滑后还不能太走样&#xff0c;捣鼓一番&#xff0c;发现里面颇有玄机&#xff0c;于是把我多方抄来改造的方法发出来&#xff0c;方便新手&#xff1a; 如上图&#xff0c;看代码吧&#xff1a; -------------------…

python监控数据处理应用服务Socket心跳解决方案

1. 概述 从网页、手机App上抓取数据应用服务&#xff0c;涉及到多个系统集成协同工作&#xff0c;依赖工具较多。例如&#xff0c;使用Frida进行代码注入和动态分析&#xff0c;以实现对网络通信的监控和数据捕获。在这样的集成环境中&#xff0c;手机模拟器、手机中应用、消息…

商品线上个性定制,并实时预览3D定制效果,是如何实现的?

商品线上3D个性化定制的实现涉及多个环节和技术&#xff0c;以下是详细的解释&#xff1a; 一、实现流程 产品3D建模&#xff1a; 是实现3D可视化定制的前提&#xff0c;需要对产品进行三维建模。可通过三维扫描仪或建模师进行建模&#xff0c;将产品的外观、结构、材质等细…

Python PyMupdf 去除PDF文档中Watermark标识水印

通过PDF阅读或编辑工具&#xff0c;可在PDF中加入Watermark标识的PDF水印&#xff0c;如下图&#xff1a; 该类水印特点 这类型的水印&#xff0c;会在文件的字节流中出现/Watermark、EMC等标识&#xff0c;那么&#xff0c;我们可以通过改变文件字节内容&#xff0c;清理掉…

旧衣回收小程序开发,绿色生活,便捷回收

随着绿色生活、资源回收利用理念的影响&#xff0c;人们逐渐开始关注旧衣回收&#xff0c;选择将断舍离等闲置衣物进行回收&#xff0c;在资源回收的同时也能够减少资金浪费。目前&#xff0c;旧衣回收的方式也迎来了数字化发展&#xff0c;相比传统的回收方式更加便捷&#xf…

Bluetooth Spec【0】蓝牙核心架构

蓝牙核心系统由一个主机、一个主控制器和零个或多个辅助控制器组成蓝牙BR/ EDR核心系统的最小实现包括了由蓝牙规范定义的四个最低层和相关协议&#xff0c;以及一个公共服务层协议&#xff1b;服务发现协议&#xff08;SDP&#xff09;和总体配置文件要求在通用访问配置文件&a…

vulnhub靶场-matrix-breakout-2-morpheus攻略(截止至获取shell)

扫描出ip为192.168.121.161 访问该ip&#xff0c;发现只是一个静态页面什么也没有 使用dir dirsearch 御剑都只能扫描到/robots.txt /server-status 两个页面&#xff0c;前者提示我们什么也没有&#xff0c;后面两个没有权限访问 扫描端口&#xff0c;存在81端口 访问&#x…

Java - 日志体系_Apache Commons Logging(JCL)日志接口库

文章目录 官网1. 什么是JCL&#xff1f;2. JCL的主要特点3. JCL的核心组件4. JCL的实现机制5. SimpleLog 简介6. CodeExample 1 &#xff1a; 默认日志实现 (JCL 1.3.2版本)Example 2 &#xff1a; JCL (1.2版本&#xff09; Log4J 【安全风险高&#xff0c;请勿使用】 7. 使用…

C++-----------映射

探索 C 中的映射与查找表 在 C 编程中&#xff0c;映射&#xff08;Map&#xff09;和查找表&#xff08;Lookup Table&#xff09;是非常重要的数据结构&#xff0c;它们能够高效地存储和检索数据&#xff0c;帮助我们解决各种实际问题。今天&#xff0c;我们就来深入探讨一下…

免费 IP 归属地接口

免费GEOIP&#xff0c;查询IP信息&#xff0c;支持IPV4 IPV6 ,包含国家地理位置&#xff0c;维度&#xff0c;asm,邮编 等&#xff0c;例如 例如查询1.1.1.1 http://geoip.91hu.top/?ip1.1.1.1 返回json 对象

Linux应用软件编程-多任务处理(进程)

多任务&#xff1a;让系统具备同时处理多个事件的能力。让系统具备并发性能。方法&#xff1a;进程和线程。这里先讲进程。 进程&#xff08;process&#xff09;&#xff1a;正在执行的程序&#xff0c;执行过程中需要消耗内存和CPU。 进程的创建&#xff1a;操作系统在进程创…

认识计算机网络

单单看这一个词语&#xff0c;有熟悉又陌生&#xff0c;让我们来重新认识一下这位大角色——计算机网络。 一、是什么 以及 怎么来的 计算机网络是指将地理位置不同的具有独立功能的多台计算机及其外部设备&#xff0c;通过通信线路和通信设备连接起来&#xff0c;在网络操作…

3. Kafka入门—安装与基本命令

Kafka基础操作 一. 章节简介二. kafka简介三. Kafka安装1. 准备工作2. Zookeeper安装2.1 配置文件2.2 启动相关命令3. Kafka安装3.1 配置文件3.2 启动相关命令-------------------------------------------------------------------------------------------------------------…

【Redis】 数据淘汰策略

面试官询问缓存过多而内存有限时内存被占满的处理办法&#xff0c;引出 Redis 数据淘汰策略。 数据淘汰策略与数据过期策略不同&#xff0c; 过期策略针对设置过期时间的 key 删除&#xff0c; 淘汰策略是在内存不够时按规则删除内存数据。 八种数据淘汰策略介绍 no evision&…