背包九讲——01背包(降维+常数级优化)

2024-03-06 18:58

本文主要是介绍背包九讲——01背包(降维+常数级优化),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

题目:

    共n个物体,第i个重量为w[i],价值v[i],背包最多能背不超过W的物体,求最大的价值

分析:

    每个物体只有一个,在容量允许时(W>w[i]),则对于每个物体只有取、不取两种选择

    状态:dp[i][j]:前i个物体,在容量为j的时候,最大的价值

    状态转移:

  

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

二维核心:

for(i = 1; i<=n; i++)
{for(j = 0; j<=W; j++){if(j<w[i])dp[i][j] = dp[i-1][j];elsedp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]] + v[i]);}
}
二维代码:

#include <stdio.h>
#include <iostream>
#include <string.h>
#include <string>
#include <math.h>
#include <algorithm>
#include <queue>
#include <stack>
#include <map>
#include <vector>using namespace std;int w[100], v[100];
int dp[100][100];int main()
{freopen("a.txt", "r", stdin);int n, W, i, j;while(~scanf("%d%d", &W, &n)){memset(dp, 0, sizeof(dp));for(i = 1; i<=n; i++){scanf("%d%d", &w[i], &v[i]);}for(i = 1; i<=n; i++){for(j = 0; j<=W; j++){if(j<w[i])dp[i][j] = dp[i-1][j];elsedp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]] + v[i]);}}printf("%d\n", dp[n][W]);}return 0;
}

降维:

    减行,第i个物体的更新,只依赖于第i-1个的物体的结果

    所以可以用滚动数组,每次只存i和i-1时候的值 (可得:dp[n][W] → dp[2][W] )

    删行,第i个物体在容积为j状态的更新,只依赖i-1物体容量里j-w[i]的状态的结果

    所以,从后面开始向前更新,则求j位置时候,j-w[i]的值依旧为i-1时候的值(可得:dp[n][W] → dp[W] )

一维核心:

for(i = 1; i<=n; i++)
{for(j = W; j>=w[i]; j--) //从后向前,此时dp[j-w[i]]相当于dp[i-1][j-w[i]]{dp[j] = max(dp[j], dp[j-w[i]] + v[i]);}
}
一维代码:
#include <stdio.h>
#include <iostream>
#include <string.h>
#include <string>
#include <math.h>
#include <algorithm>
#include <queue>
#include <stack>
#include <map>
#include <vector>using namespace std;int w[100], v[100];
int dp[100];int main()
{freopen("a.txt", "r", stdin);int n, W, i, j;while(~scanf("%d%d", &W, &n)){memset(dp, 0, sizeof(dp));for(i = 1; i<=n; i++){scanf("%d%d", &w[i], &v[i]);}for(i = 1; i<=n; i++){for(j = W; j>=w[i]; j--){if(j>=v[i])   dp[j] = max(dp[j], dp[j-w[i]] + v[i]);}}printf("%d\n", dp[W]);}return 0;
}

初始化:

    1、memset(dp, 0, sizeof(dp))

        求不超过容积的W的最大价值

        容积有剩余的状态依旧有值,为前一个恰好装满最优解的值

    2、memset(dp, -0x3f, sizeof(dp)); //负无穷、不可达点(当前值约为:-1e+10)

        求恰好装满容积的最大价值(可能无解)

        当且仅当恰好装满的状态有值,其他存在空白容积的状态无法到达

常数级优化:

    一维中的内循环下限,由j>=w[i] → j>=max{w[i], W-(∑(i,n)w[i])}

    1、下限为j>=w[i]时候

        在所有剩余容积大于等于w[i]时候,选择取、不取第i物品

    2、下限为j>=max{w[i], W-(∑(i,n)w[i])}时候

        只更新在i+1时候需要用到的状态,并不把所以可能状态求出

常数级优化代码:

#include <stdio.h>
#include <iostream>
#include <string.h>
#include <string>
#include <math.h>
#include <algorithm>
#include <queue>
#include <stack>
#include <map>
#include <vector>using namespace std;int w[100], v[100];
int dp[100];int main()
{freopen("a.txt", "r", stdin);int n, W, i, j;while(~scanf("%d%d", &W, &n)){memset(dp, 0, sizeof(dp));for(i = 1; i<=n; i++){scanf("%d%d", &w[i], &v[i]);}int lower, sum = 0;for(i = 1; i<=n; i++){if(i!=1) sum += w[i-1];lower = max(sum, w[i]);for(j = W; j>=lower; j--){dp[j] = max(dp[j], dp[j-w[i]] + v[i]);}}printf("%d\n", dp[W]);}return 0;
}
大神总结的,博客原址http://739789987.blog.51cto.com/8328242/1438296

                  

这篇关于背包九讲——01背包(降维+常数级优化)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/781008

相关文章

MyBatisPlus如何优化千万级数据的CRUD

《MyBatisPlus如何优化千万级数据的CRUD》最近负责的一个项目,数据库表量级破千万,每次执行CRUD都像走钢丝,稍有不慎就引起数据库报警,本文就结合这个项目的实战经验,聊聊MyBatisPl... 目录背景一、MyBATis Plus 简介二、千万级数据的挑战三、优化 CRUD 的关键策略1. 查

SpringBoot中HTTP连接池的配置与优化

《SpringBoot中HTTP连接池的配置与优化》这篇文章主要为大家详细介绍了SpringBoot中HTTP连接池的配置与优化的相关知识,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一... 目录一、HTTP连接池的核心价值二、Spring Boot集成方案方案1:Apache HttpCl

PyTorch高级特性与性能优化方式

《PyTorch高级特性与性能优化方式》:本文主要介绍PyTorch高级特性与性能优化方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、自动化机制1.自动微分机制2.动态计算图二、性能优化1.内存管理2.GPU加速3.多GPU训练三、分布式训练1.分布式数据

MySQL中like模糊查询的优化方案

《MySQL中like模糊查询的优化方案》在MySQL中,like模糊查询是一种常用的查询方式,但在某些情况下可能会导致性能问题,本文将介绍八种优化MySQL中like模糊查询的方法,需要的朋友可以参... 目录1. 避免以通配符开头的查询2. 使用全文索引(Full-text Index)3. 使用前缀索

C#实现高性能Excel百万数据导出优化实战指南

《C#实现高性能Excel百万数据导出优化实战指南》在日常工作中,Excel数据导出是一个常见的需求,然而,当数据量较大时,性能和内存问题往往会成为限制导出效率的瓶颈,下面我们看看C#如何结合EPPl... 目录一、技术方案核心对比二、各方案选型建议三、性能对比数据四、核心代码实现1. MiniExcel

MySQL索引的优化之LIKE模糊查询功能实现

《MySQL索引的优化之LIKE模糊查询功能实现》:本文主要介绍MySQL索引的优化之LIKE模糊查询功能实现,本文通过示例代码给大家介绍的非常详细,感兴趣的朋友一起看看吧... 目录一、前缀匹配优化二、后缀匹配优化三、中间匹配优化四、覆盖索引优化五、减少查询范围六、避免通配符开头七、使用外部搜索引擎八、分

Python通过模块化开发优化代码的技巧分享

《Python通过模块化开发优化代码的技巧分享》模块化开发就是把代码拆成一个个“零件”,该封装封装,该拆分拆分,下面小编就来和大家简单聊聊python如何用模块化开发进行代码优化吧... 目录什么是模块化开发如何拆分代码改进版:拆分成模块让模块更强大:使用 __init__.py你一定会遇到的问题模www.

SpringBoot首笔交易慢问题排查与优化方案

《SpringBoot首笔交易慢问题排查与优化方案》在我们的微服务项目中,遇到这样的问题:应用启动后,第一笔交易响应耗时高达4、5秒,而后续请求均能在毫秒级完成,这不仅触发监控告警,也极大影响了用户体... 目录问题背景排查步骤1. 日志分析2. 性能工具定位优化方案:提前预热各种资源1. Flowable

SpringBoot3实现Gzip压缩优化的技术指南

《SpringBoot3实现Gzip压缩优化的技术指南》随着Web应用的用户量和数据量增加,网络带宽和页面加载速度逐渐成为瓶颈,为了减少数据传输量,提高用户体验,我们可以使用Gzip压缩HTTP响应,... 目录1、简述2、配置2.1 添加依赖2.2 配置 Gzip 压缩3、服务端应用4、前端应用4.1 N

Spring Boot + MyBatis Plus 高效开发实战从入门到进阶优化(推荐)

《SpringBoot+MyBatisPlus高效开发实战从入门到进阶优化(推荐)》本文将详细介绍SpringBoot+MyBatisPlus的完整开发流程,并深入剖析分页查询、批量操作、动... 目录Spring Boot + MyBATis Plus 高效开发实战:从入门到进阶优化1. MyBatis