备战蓝桥杯---动态规划之背包问题引入

先看一个背包问题的简单版:

如果我们暴力枚举可能会超时。

但我们想一想,我们其实不关心怎么放,我们关心的是放后剩下的体积。

用可行性描述即可。

于是我们令f[i][j]表示前i个物品能否放满体积为j的背包。

f[i][j]=f[i-1][j]||f[i-1][j-v[i]]; f[0][0]=1;

然后,我们去找jmax并真的值即可。

这是用图表示:

下面是AC代码:

cpp 复制代码
#include<bits/stdc++.h>
using namespace std;
int v,n,a[40][20005],v1[36];
int main(){
    cin>>v>>n;
    for(int i=1;i<=n;i++) scanf("%d",&v1[i]);
    a[0][0]=1;
    for(int i=1;i<=n;i++){
        for(int j=0;j<=v;j++){
            if(j>=v1[i]) a[i][j]=a[i-1][j]||a[i-1][j-v1[i]];
            else a[i][j]=a[i-1][j];
        }
    }
    for(int i=v;i>=0;i--){
        if(a[n][i]==1){
            cout<<v-i;
            break;
        }
    }
}

我们用0/1滚动优化一下空间:

cpp 复制代码
#include<bits/stdc++.h>
using namespace std;
int v,n,a[2][20005],v1[36];
int main(){
    cin>>v>>n;
    for(int i=1;i<=n;i++) scanf("%d",&v1[i]);
    a[0][0]=1;
    for(int i=1;i<=n;i++){
        for(int j=0;j<=v;j++){
            if(j>=v1[i]) a[i%2][j]=a[(i-1)%2][j]||a[(i-1)%2][j-v1[i]];
            else a[i%2][j]=a[(i-1)%2][j];
        }
    }
    for(int i=v;i>=0;i--){
        if(a[n%2][i]==1){
            cout<<v-i;
            break;
        }
    }
}

进一步,我们想想因为当前行是上一行v1[i]前体积的继承,换句话说,我们可以从v[i]开始枚举,前面的让他继承上一行即可,于是我们可以把数组优化成一维。

但是,这会出现一个问题,我们拿3举例:

当我们在看6时,发现6-3=3为1,于是6也为1,同理,3的倍数的体积全变1,而事实上,我们应该只有3与0为1.

问题在于我们不知道这个真是来自上一行还是这一行刚刚跟新的。

于是,我们可以倒着循环,因为我们发现要跟新依据的都是当前位置前面的,这样,我们这行跟新的只会在后面,这就是就地滚动。

下面是AC代码:

cpp 复制代码
#include<bits/stdc++.h>
using namespace std;
int v,n,a[20005],v1[36];
int main(){
    cin>>v>>n;
    for(int i=1;i<=n;i++) scanf("%d",&v1[i]);
    a[0]=1;
    for(int i=1;i<=n;i++){
        for(int j=v;j>=v1[i];j--){
            a[j]=a[j]||a[j-v1[i]];
        }
    }
    for(int i=v;i>=0;i--){
        if(a[i]==1){
            cout<<v-i;
            break;
        }
    }
}
相关推荐
CoovallyAIHub3 小时前
仿生学突破:SILD模型如何让无人机在电力线迷宫中发现“隐形威胁”
深度学习·算法·计算机视觉
CoovallyAIHub3 小时前
从春晚机器人到零样本革命:YOLO26-Pose姿态估计实战指南
深度学习·算法·计算机视觉
CoovallyAIHub3 小时前
Le-DETR:省80%预训练数据,这个实时检测Transformer刷新SOTA|Georgia Tech & 北交大
深度学习·算法·计算机视觉
CoovallyAIHub4 小时前
强化学习凭什么比监督学习更聪明?RL的“聪明”并非来自算法,而是因为它学会了“挑食”
深度学习·算法·计算机视觉
CoovallyAIHub4 小时前
YOLO-IOD深度解析:打破实时增量目标检测的三重知识冲突
深度学习·算法·计算机视觉
NAGNIP15 小时前
轻松搞懂全连接神经网络结构!
人工智能·算法·面试
NAGNIP15 小时前
一文搞懂激活函数!
算法·面试
董董灿是个攻城狮15 小时前
AI 视觉连载7:传统 CV 之高斯滤波实战
算法
爱理财的程序媛21 小时前
openclaw 盯盘实践
算法