动态规划-背包问题专题--青少年教育精选.pptVIP

完全背包的优化： 1.简单优化：w[i]=w[j] 且c[i]=c[j]则去掉j物品（性价比低） 2.二进制优化，核心思想：将第i种物品拆成若干个物品，其中每件物品有一个系数，这件物品的费用和价值均是原来的费用和价值乘以这个系数。使这些系数分别为 1,2,4,...,2^(k-1),n[i]-2^k+1，且k是满足n[i]-2^k+10的最大整数。例如，如果n[i]为13，就将这种物品分成系数分别为1,2,4,6的四件物品。目的还是转换为01背包问题。 * drdgthtrhtrj 多重背包问题： 有N种物品和一个容量为V的背包。第i种物品最多有n[i]件可用，每件费用是c[i]，价值是w[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量，且价值总和最大。 分析：类似完全背包，k的取值范围有所变化 f[i][v]=max{f[i-1][v-k*c[i]]+ k*w[i]|0=k=n[i]}。复杂度是O(V*∑n[i]) * drdgthtrhtrj 混合背包问题： 其实是将多种背包问题混在一起，无需多讲，在循环时根据不同的背包类型进行不同的处理即可，此处不再赘述。 * drdgthtrhtrj 二维费用背包问题： 同上，加多一维数组即可。 状态转移方程： f[i][v][u]=max{f[i-1][v][u],f[i-1][v-a[i]][u-b[i]]+w[i]} * drdgthtrhtrj * rgrhtrhtfh rdgdgfhfthtrfh * rgrhtrhtfh rdgdgfhfthtrfh rgrhtrhtfh rdgdgfhfthtrfh rgrhtrhtfh rdgdgfhfthtrfh rgrhtrhtfh rdgdgfhfthtrfh rgrhtrhtfh rdgdgfhfthtrfh rgrhtrhtfh rdgdgfhfthtrfh rgrhtrhtfh rdgdgfhfthtrfh rgrhtrhtfh rdgdgfhfthtrfh rgrhtrhtfh rdgdgfhfthtrfh rgrhtrhtfh rdgdgfhfthtrfh rgrhtrhtfh rdgdgfhfthtrfh rgrhtrhtfh rdgdgfhfthtrfh rgrhtrhtfh rdgdgfhfthtrfh rgrhtrhtfh rdgdgfhfthtrfh rgrhtrhtfh rdgdgfhfthtrfh rgrhtrhtfh rdgdgfhfthtrfh 动态规划 - 背包问题及其变形 长沙市一中 曹毅 drdgthtrhtrj 回顾：动态规划的核心要素 基本概念： 阶段 状态 状态转移方程 使用条件： 最优子结构 无后效性 * drdgthtrhtrj 背包问题： 01背包问题 完全背包问题 多重背包问题 混合背包问题 二维费用的背包问题 分组背包问题 有依赖背包问题 * drdgthtrhtrj 01背包 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这些物品的费用总和不超过背包容量，且价值总和最大。 基本思路：对于第i件物品，我们有两个选择：放或者不放，用f[i][v]表示前i件物品恰放入容量为v的最大价值，于是有两种情况： 不放：f[i][v]=f[i-1][v] 放： f[i][v]=f[i-1][v-c[i]]+w[i] 最后取这两者的最大值 * drdgthtrhtrj 于是得出状态转移方程： f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]+w[i]} 边界：f[1][0]=0（不装任何东西） 核心代码： for i=1..n for v=v..0 f[i][v]=max{f[i-1][v],f[i-1][v-w[i]]+c[i]} * drdgthtrhtrj 时空分析及优化 以上方法的时间和空间复杂度均为O(N*V)，其中时间复杂度基本已经不能再优化了，但空间复杂度却可以优化到O(V)。 f[i][v]-f[v] ‘f[v]表示重量不超过V公斤的最大价值 数据： 10 4 重量 价值 求得： 2 1 3 3 4 5 7 9 f[1] 0 f[2] 1 f[3] 3 f[4] 5 f[5] 5 f[6] 6 f[7] 9 f[8] 9 f[9] 10 f[10] 12 * drdgthtrhtrj 完全背包问题 有N种物品和一个容量为V的背包，每种物品都有无限件可用。第i种物品的费用是c[i]，价值是w[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量，且价值总和最大。 区别：第i件物品可以无限装，01背包只能装一次 转换：f[v]=