基础问题背包类.pptVIP

基础问题: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价值总和最大。 特点是：每种物品仅有一件，可以选择放或不放。 状态转移方程f[i][v]= max{f[i-1][v],f[i-1][v-c[i]]+w[i]} 初始化: (1) 不要求背包放满 for v=0…V f[0][v]=0; (2)要求背包放满 f[0][0]为0其它f[0][1..V]均设为-∞ 时间和空间复杂度均为O(VN) 优化空间复杂度（二维转一维） for i=1..N for v=V..0 （不是０．．Ｖ） f[v]=max{f[v],f[v-c[i]]+w[i]}; 　在每次主循环中f[v]保存着f[i-1][v]的值 由于费用为cost的物品不会影响状态f[0..cos1]，因为装不下。  void ZeroOne(int cost,int weight)//处理一个物品 { int v; for(v=V;v=cost;v--) f[v]=max(f[v],f[v-cost]+weight); } for(i=1;i=n;i++)//处理所有物品 ZeroOne(c[i],w[i]); 完全背包问题 每种物品都有无限件可用 方程：f[i][v]=max{f[i-1][v-k*c[i]]+k*w[i]|0=k*c[i]=v} 每件物品并非取或不取两种，而是有取0件、取1件、取2件……等很多种。 求解状态f[i][v]的时间是O(v/c[i])，总的复杂度可以认为是O(V*Σ(V/c[i]))，需要优化 一个简单有效的优化 若两件物品i、j满足c[i]=c[j]且w[i]=w[j]，则将物品j去掉，不用考虑。需要O(N^2)的时间 另一个思路：转化为01背包问题求解 即：将一种物品拆成多件物品。 更高效的转化方法 把第i种物品拆成费用为c[i]*2^k、价值为w[i]*2^k的若干件物品，其中k满足c[i]*2^k=V。 但我们有更优的O(VN)的算法。 for i=1..N for v=0..V f[v]=max{f[v],f[v-cost]+weight} 这个伪代码与01背包的伪代码只有v的循环次序相反而已 值得一提的是，上面的伪代码中两层for循环的次序可以颠倒。这个结论有可能会带来算法时间常数上的优化。 void Complete(int cost,int weight) )//处理一个物品 { int v; for(v=cost;v=V;v++)(cost理由同01） f[v]=max(f[v],f[v-cost]+weight); } for(i=1;i=n;i++)//处理所有物品 Complete (c[i],w[i]); 多重背包问题 第i种物品最多有n[i]件可用 基本算法: 和完全背包问题很类似。对于第i种物品有n[i]+1种策略：取0件，取1件……取n[i]件。状态转移方程： f[i][v]=max{f[i-1][v-k*c[i]]+k*w[i]|0=k=n[i]} 复杂度是O(V*Σn[i])。 优化：转化为01背包问题 方法是：将第i种物品分成若干件物品. 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。 这样就将第i种物品分成了O(log n[i])种物品将原问题转化为了复杂度为O(V*Σlog n[i])的01背包问题， 伪代码：处理一个物品 MultiplePack(cost,weight,amount) if cost*amount=V Complete (cost,weight) else k=1 while kamount ZeroOnePack(k*cost,k*weight) amount=amount-k k=k*2 ZeroOnePack(amount*cost,amount*weight) void Multiple(int cost,int weight,int amount) { if(amount*cost=V) Complete(cost,weight); else { int k=1; while(kamount) { ZeroOne(cost*k