【算法】01背包问题(代码+详解+练习题)

题目:

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

输出一个整数,表示最大价值。

数据范围

0<N,V≤10000≤1000
0<vi,wi≤10000≤1000

输入样例

4 5
1 2
2 4
3 4
4 5

输出样例:

8

算法分析:

以上面的题目为例:

f[i][j] : j是已经选择过后的背包的体积;

如果没有放入,背包的体积没有变化,即前一个前i-1个物品的体积也是j;
如果放入j前i-1的体积不同,j是前i-1个物品的体积改变而来的,即j-v[i]前i-1个物品总体积;

如果还是不能理解的话,可以代入数据来写一下:

最后的f[4][5]就是最大价值;

代码:

#include<iostream>
#include<math.h>
using namespace std;
const int N = 1e4;
int v[N], w[N];
int f[N][N];int main()
{int n, m;cin >> n >> m;for (int i = 1; i <= N; i++){cin >> v[i] >> w[i];}for (int i = 1; i <= n; i++){for (int j = 0; j <= m; j++){if (j < v[i])f[i][j] = f[i - 1][j];elsef[i][j]= max( f[i - 1][j],f[i - 1][j - v[i]] + w[i] );}}cout << f[n][m] << endl;
}

优化:

上面的代码我们用到是二维数组,如果数据较大,空间也会较大;怎么优化呢?

根据我们上面的分析,我们要求的 i ,只和 i-1 有关,所以我们只需要保存 i-1 的数据即可;

代码如下:

#include<iostream>
#include<math.h>
#include<cstring>
using namespace std;
const int N = 1e4;
int v[N], w[N];
int f[N],g[N];int main()
{int n, m;cin >> n >> m;for (int i = 1; i <= N; i++){cin >> v[i] >> w[i];}for (int i = 1; i <= n; i++){for (int j = 0; j <= m; j++){if (j < v[i])g[j] = f[j];elseg[j]= max( f[j],f[j - v[i]] + w[i] );}memcpy(f, g, sizeof(g));}cout << f[m] << endl;
}

我们只需修改一下代码即可: 

 for (int j = 0; j <= m; j++)
        {
            if (j < v[i])
                g[j] = f[j];
            else
                g[j]= max( f[j],f[j - v[i]] + w[i] );
        }
        memcpy(f, g, sizeof(g));

f[j] 前i-1 个物品的总体积;

g[j] 前i 给物品的总体积;

我们只需要把g[j]求出来,然后更新f[j]即可;

不理解的话可以看一下模拟过程:

 

再次优化:

上面的优化过程我们用了g[N]的数组;

如何只用一个f[N]的数组来写?

只需要改变一下代码:

for (int j = m; j>=v[i]; j--)
        {
            f[j] = max(f[j], f[j - v[i]] + w[i]);
        }

#include<iostream>
#include<math.h>
using namespace std;
const int N = 1e4;
int v[N], w[N];
int f[N];int main()
{int n, m;cin >> n >> m;for (int i = 1; i <= N; i++){cin >> v[i] >> w[i];}for (int i = 1; i <= n; i++){for (int j = m; j>=v[i]; j--){f[j] = max(f[j], f[j - v[i]] + w[i]);}}cout << f[m] << endl;
}

练习:

题目:

 [NOIP2006 普及组] 开心的金明 - 洛谷

 [NOIP2005 普及组] 采药 - 洛谷

 AC代码:

(1)

#include<iostream>
#include<math.h>
using namespace std;
int f[100004],v[100000], p[100000];int main()
{int n, m;cin >> n >> m;for (int i = 1; i <= m; i++)cin >> v[i] >> p[i];for (int i = 1; i <= m; i++){int t = 0;for (int j = n; j >= v[i]; j--){f[j] = max(f[j], f[j - v[i]] + p[i]*v[i]);}}cout << f[n] << endl;
}

(2)

#include<iostream>
#include<math.h>
using namespace std;
int f[1004], T[1000], W[1000];
int main()
{int t, m;cin >> t >> m;for (int i = 1; i <= m; i++)cin >> T[i] >> W[i];for (int i = 1; i <= m; i++){for (int j = t; j >= T[i]; j--){f[j] = max(f[j], f[j - T[i]] + W[i]);}}cout << f[t] << endl;
}

完结!

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.rhkb.cn/news/293749.html

如若内容造成侵权/违法违规/事实不符,请联系长河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

基于LEAP模型的能源环境发展、碳排放建模预测及不确定性分析

在国家“3060”碳达峰碳中和的政策背景下&#xff0c;如何寻求经济-能源-环境的平衡有效发展是国家、省份、城市及园区等不同级别经济体的重要课题。根据国家政策、当地能源结构、能源技术发展水平以及相关碳排放指标制定合理有效的低碳能源发展规划需要以科学准确的能源环境发…

Nessus【部署 01】Linux环境部署漏洞扫描工具Nessus最新版详细过程分享(下载+安装+注册+激活)

Nessus最新版详细部署过程分享 1. 获取激活码2.主程序下载安装启动2.1 下载2.2安装2.3 启动 3.许可证及插件3.1 许可证获取3.2 插件安装 4.安装总结 Nessus官方网站&#xff1a; https://www.tenable.com/products/nessus/nessus-essentials 及介绍&#xff1a; 国际数据公司&…

MyBatis——Dao代理服务

MyBatis框架提供一个用用来降低开发人员进行Dao层开发负担技术,开发人员只需要书写SQL映射文以及用于推送sql语句的Dao接口即可 此时由MyBatis框架负责在内存中创建Dao接口的实现类并生成其实例对象 MyBatis框架作者提供Dao代理服务是面对的问题&#xff1a; 如何确认Dao接口与…

【面试专题】Spring高频面试题

1.Spring应该很熟悉吧&#xff1f;来介绍下你的Spring的理解 有些同学可能会抢答&#xff0c;不熟悉!!! 好了&#xff0c;不开玩笑&#xff0c;面对这个问题我们应该怎么来回答呢&#xff1f;我们给大家梳理这个几个维度来回答 1.1 Spring的发展历程 先介绍Spring是怎么来的…

vue3组合式函数

vue3的组合式函数的作用是封装和复用响应式状态的函数。只能在setup 标签的script标签汇总或者setup函数中使用。 普通的函数只能调用一次&#xff0c;但是组合式函数接受到响应式参数&#xff0c;当该值发生变化时&#xff0c;也会触发相关函数的重新加载。 如下 定义了一个…

【docker】Dockerfile自定义镜像

&#x1f4dd;个人主页&#xff1a;五敷有你 &#x1f525;系列专栏&#xff1a;中间件 ⛺️稳中求进&#xff0c;晒太阳 1.Dockerfile自定义镜像 常见的镜像在DockerHub就能找到&#xff0c;但是我们自己写的项目就必须自己构建镜像了。 而要自定义镜像&#xff0c;就…

嵌入式网络硬件方案

一. 简介 本文来了解一下嵌入式有些网络中&#xff0c;涉及的网络硬件方案。 注意&#xff1a;本文说明的是有些网络。 提起网络&#xff0c;我们一般想到的硬件就是“网卡”&#xff0c;“网卡”这个概念最早从电脑领域传出来&#xff0c;顾名思义就是能上网的卡。在电脑领…

如何使用剪映专业版剪辑视频

1.操作界面功能介绍 2.时间线的使用 拖动前端后端缩减时长&#xff0c;有多个素材可以拖动调节前后顺序拼接。 分割视频 删除

【数据结构】——二叉树堆的实现

大佬们点点关注&#xff0c;点点赞&#xff1f;&#xff01; 前言 在上篇博客中我们已经介绍了树和二叉树的相关概念&#xff0c;相信大家都已经清楚了树和二叉树的基本思想&#xff0c;下面我们就来着重看看二叉树堆的实现。 在看堆的实现&#xff0c;我们先看看二叉树的顺…

《QT实用小工具·一》电池电量组件

1、概述 项目源码放在文章末尾 本项目实现了一个电池电量控件&#xff0c;包含如下功能&#xff1a; 可设置电池电量&#xff0c;动态切换电池电量变化。可设置电池电量警戒值。可设置电池电量正常颜色和报警颜色。可设置边框渐变颜色。可设置电量变化时每次移动的步长。可设置…

脑部肿瘤检测YOLOV8

脑部肿瘤检测&#xff0c;采用YOLOV8训练得到PT模型&#xff0c;然后转换成ONNX&#xff0c;OPENCV调用&#xff0c;支持C/PYTHON/ANDORID开发脑部肿瘤检测YOLOV8

Windows安装TortoiseSVN客户端结合Cpolar实现公网提交文件到本地服务器

文章目录 前言1. TortoiseSVN 客户端下载安装2. 创建检出文件夹3. 创建与提交文件4. 公网访问测试 前言 TortoiseSVN是一个开源的版本控制系统&#xff0c;它与Apache Subversion&#xff08;SVN&#xff09;集成在一起&#xff0c;提供了一个用户友好的界面&#xff0c;方便用…

第二篇:3.1 广告印象(AD Impression) - IAB与MRC及《增强现实广告效果测量指南1.0》

--- 我为什么要翻译美国IAB科技公司系列标准 翻译计划 第一篇概述—IAB与MRC及《增强现实广告效果测量指南》之目录、适用范围及术语第二篇广告效果测量定义和其他矩阵之- 3.1 广告印象&#xff08;AD Impression&#xff09;第三篇广告效果测量定义和其他矩阵之- 3.2 可见度 …

云数据仓库Snowflake论文完整版解读

本文是对于Snowflake论文的一个完整版解读&#xff0c;对于从事大数据数据仓库开发&#xff0c;数据湖开发的读者来说&#xff0c;这是一篇必须要详细了解和阅读的内容&#xff0c;通过全文你会发现整个数据湖设计的起初原因以及从各个维度&#xff08;架构设计、存算分离、弹性…

【解決|三方工具】Obi Rope 编辑器运行即崩溃问题

开发平台&#xff1a;Unity 2021.3.7 三方工具&#xff1a;Unity资产工具 - Obi Rope   问题背景 使用Unity三方开发工具 - Obi Rope 模拟绳索效果。配置后运行 Unity 出现报错并崩溃。通过崩溃日志反馈得到如下图所示 这是一个序列化问题造成的崩溃&#xff0c;指向性为 Obi…

SpringSecurity学习总结(三更草堂)

SpringSecurity安全框架的核心功能是认证和授权&#xff1a; 认证&#xff1a;验证当前访问系统的是不是本系统的用户&#xff0c;并且要确认具体是哪个用户。 授权&#xff1a;经过认证后判断当前用户是否具有进行某个操作的权限。 一般来说中大型的项目都是使用SpringSecurit…

StableDiffusion Web UI开启FP8,极大节约显存

升级了Pytorch后&#xff0c;StableDiffusion最新版本就可以有使用FP8的基础了&#xff0c;因此把秋叶的LINUX包也升级到了最新的版本。 升级Pytorch参考我的升级记录&#xff1a; ComfyUI SDWebUI升级pytorch随记-CSDN博客 然后下一步就是如何开启FP8了。与ComfyUI不同&…

事件穿透效果

讲述一下事件穿透的需求&#xff0c;大家可以根据实际情况来考虑是否采用这种方式来制作页面&#xff0c;&#xff08;项目中遇到了底部是地图&#xff0c;两侧面板&#xff0c;但是UI在设计的时候为了好看&#xff0c;会有很大的遮罩阴影部分&#xff0c;如果按照时间制作会导…

51单片机学习笔记11 使用DS18B20温度传感器

51单片机学习笔记11 使用DS18B20温度传感器 一、DS18B20简介1. 主要特点2. 工作原理3. 引脚说明4. ROM 二、1-wire协议简介1. 总线结构&#xff1a;2. 通信方式&#xff1a;3. 数据传输&#xff1a;4. 设备识别&#xff1a;5. 供电方式&#xff1a;6. 应用场景&#xff1a;7. 优…

Docker容器、Serverless与微服务:腾讯云云原生架构技术实践案例集解析

前言 随着云原生技术的飞速发展&#xff0c;容器化和函数计算正成为企业和开发者关注的焦点。在这一潮流中&#xff0c;腾讯云凭借其卓越的技术实力和深厚的行业积累&#xff0c;发布了《2023腾讯云容器和函数计算技术实践精选集》&#xff0c;为我们提供了一份深入探索云原生…