c/c++蓝桥杯经典编程题100道(21)背包问题

背包问题

->返回c/c++蓝桥杯经典编程题100道-目录


目录

背包问题

一、题型解释

二、例题问题描述

三、C语言实现

解法1:0-1背包(基础动态规划,难度★)

解法2:0-1背包(空间优化版,难度★★)

解法3:完全背包(难度★★)

四、C++实现

[解法1:0-1背包(STL vector版,难度★☆)](#解法1:0-1背包(STL vector版,难度★☆))

解法2:多重背包(二进制优化,难度★★★)

五、总结对比表

六、特殊方法与内置函数补充

[1. C++ STL的 max 函数](#1. C++ STL的 max 函数)

[2. 滚动数组优化](#2. 滚动数组优化)

[3. 单调队列优化](#3. 单调队列优化)


一、题型解释

背包问题是动态规划中的经典问题,核心是 在限定容量下选择物品使得总价值最大化。常见变种:

  1. 0-1背包:每个物品只能选或不选(每个物品1个)。

  2. 完全背包:每个物品可以选无限次。

  3. 多重背包:每个物品最多选指定次数。

  4. 分组背包:每组物品中只能选一个。


二、例题问题描述

例题1(0-1背包)

  • 容量 W=4,物品重量 [1,3,4],价值 [15,20,30],输出最大价值 35(选物品0和2)。

例题2(完全背包)

  • 容量 W=5,物品重量 [1,2],价值 [15,20],输出最大价值 75(选5个物品0)。

例题3(多重背包)

  • 容量 W=10,物品重量 [2,3],价值 [5,7],数量 [2,3],输出最大价值 24(选3个物品1)。

例题4(分组背包)

  • 容量 W=6,分组物品 [[1,2], [3,4]](每组选一个),输出最大价值 6(选第一组2,第二组4)。

三、C语言实现

解法1:0-1背包(基础动态规划,难度★)

通俗解释

  • 填表格记录不同容量下的最大价值,像存钱罐一样逐步塞入物品。

c

cs 复制代码
#include <stdio.h>
#include <string.h>

#define MAX_W 100
#define MAX_N 100

int max(int a, int b) { return a > b ? a : b; }

int knapsack01(int W, int wt[], int val[], int n) {
    int dp[MAX_N][MAX_W]; // dp[i][j]:前i个物品,容量j的最大价值
    memset(dp, 0, sizeof(dp));
    
    for (int i = 1; i <= n; i++) {
        for (int j = 1; j <= W; j++) {
            if (wt[i-1] > j) { // 当前物品超重,无法选择
                dp[i][j] = dp[i-1][j];
            } else { // 能选:比较选或不选的价值
                dp[i][j] = max(dp[i-1][j], dp[i-1][j - wt[i-1]] + val[i-1]);
            }
        }
    }
    return dp[n][W];
}

int main() {
    int W = 4;
    int wt[] = {1,3,4}, val[] = {15,20,30};
    int n = sizeof(wt)/sizeof(wt[0]);
    printf("0-1背包最大价值:%d\n", knapsack01(W, wt, val, n)); // 输出35
    return 0;
}

代码逻辑

  1. 初始化DP表dp[i][j] 表示前 i 个物品在容量 j 下的最大价值。

  2. 填表规则

    • 物品超重时,继承上一行结果。

    • 否则,取"不选"和"选"的最大值。


解法2:0-1背包(空间优化版,难度★★)

通俗解释

  • 仅用一维数组,倒序遍历容量,避免覆盖未计算的数据。

c

cs 复制代码
int knapsack01Optimized(int W, int wt[], int val[], int n) {
    int dp[MAX_W] = {0};
    for (int i = 0; i < n; i++) { // 遍历物品
        for (int j = W; j >= wt[i]; j--) { // 逆序更新,防止重复选
            dp[j] = max(dp[j], dp[j - wt[i]] + val[i]);
        }
    }
    return dp[W];
}

代码逻辑

  1. 一维数组dp[j] 表示容量 j 的最大价值。

  2. 逆序遍历:确保每个物品只被选一次。


解法3:完全背包(难度★★)

通俗解释

  • 正序遍历容量,允许重复选择物品,像存钱罐可以多次塞硬币。

c

cs 复制代码
int completeKnapsack(int W, int wt[], int val[], int n) {
    int dp[MAX_W] = {0};
    for (int i = 0; i < n; i++) {
        for (int j = wt[i]; j <= W; j++) { // 正序更新,允许重复选
            dp[j] = max(dp[j], dp[j - wt[i]] + val[i]);
        }
    }
    return dp[W];
}

int main() {
    int W = 5;
    int wt[] = {1,2}, val[] = {15,20};
    int n = sizeof(wt)/sizeof(wt[0]);
    printf("完全背包最大价值:%d\n", completeKnapsack(W, wt, val, n)); // 输出75
    return 0;
}

代码逻辑

  • 正序遍历:允许同一物品多次被选中。

四、C++实现

解法1:0-1背包(STL vector版,难度★☆)

通俗解释

  • 使用 vector 替代数组,动态管理内存,避免固定大小限制。

cpp

cpp 复制代码
#include <iostream>
#include <vector>
using namespace std;

int knapsack01STL(int W, vector<int>& wt, vector<int>& val) {
    vector<int> dp(W + 1, 0);
    for (int i = 0; i < wt.size(); i++) {
        for (int j = W; j >= wt[i]; j--) { // 逆序更新
            dp[j] = max(dp[j], dp[j - wt[i]] + val[i]);
        }
    }
    return dp[W];
}

int main() {
    vector<int> wt = {1,3,4}, val = {15,20,30};
    int W = 4;
    cout << "0-1背包最大价值:" << knapsack01STL(W, wt, val) << endl; // 输出35
    return 0;
}

代码逻辑

  • 与C语言空间优化版相同,但使用 vector 动态管理内存。

解法2:多重背包(二进制优化,难度★★★)

通俗解释

  • 将物品数量拆分为二进制组合(如7=1+2+4),转化为0-1背包问题。

cpp

cpp 复制代码
int multiKnapsack(int W, vector<int>& wt, vector<int>& val, vector<int>& cnt) {
    vector<int> dp(W + 1, 0);
    for (int i = 0; i < wt.size(); i++) {
        int k = 1;
        int remain = cnt[i];
        while (k <= remain) { // 二进制拆分
            int w = wt[i] * k;
            int v = val[i] * k;
            for (int j = W; j >= w; j--) {
                dp[j] = max(dp[j], dp[j - w] + v);
            }
            remain -= k;
            k *= 2;
        }
        if (remain > 0) { // 处理剩余数量
            int w = wt[i] * remain;
            int v = val[i] * remain;
            for (int j = W; j >= w; j--) {
                dp[j] = max(dp[j], dp[j - w] + v);
            }
        }
    }
    return dp[W];
}

int main() {
    vector<int> wt = {2,3}, val = {5,7}, cnt = {2,3};
    int W = 10;
    cout << "多重背包最大价值:" << multiKnapsack(W, wt, val, cnt) << endl; // 输出24
    return 0;
}

代码逻辑

  1. 二进制拆分:将数量拆分为2的幂次之和,减少物品数量。

  2. 转化为0-1背包:对每个拆分后的物品进行0-1背包处理。


五、总结对比表

方法 时间复杂度 空间复杂度 优点 缺点
0-1背包基础DP O(nW) O(nW) 直观易理解 内存占用高
0-1背包空间优化 O(nW) O(W) 内存高效 无法回溯具体方案
完全背包 O(nW) O(W) 支持无限次选择 不适用0-1场景
多重背包优化 O(nW logS) O(W) 处理数量限制 实现较复杂

六、特殊方法与内置函数补充

1. C++ STL的 max 函数

  • 用法max(a, b) 返回较大值,需包含 <algorithm> 头文件。

2. 滚动数组优化

  • 原理:利用奇偶行交替存储,将二维DP压缩为两个一维数组。

3. 单调队列优化

  • 适用场景:多重背包的进一步优化,时间复杂度降至O(nW)。

->返回c/c++蓝桥杯经典编程题100道-目录

相关推荐
懒羊羊大王&17 小时前
模版进阶(沉淀中)
c++
似水এ᭄往昔17 小时前
【C语言】文件操作
c语言·开发语言
owde17 小时前
顺序容器 -list双向链表
数据结构·c++·链表·list
GalaxyPokemon18 小时前
Muduo网络库实现 [九] - EventLoopThread模块
linux·服务器·c++
W_chuanqi18 小时前
安装 Microsoft Visual C++ Build Tools
开发语言·c++·microsoft
蒙奇D索大18 小时前
【数据结构】第六章启航:图论入门——从零掌握有向图、无向图与简单图
c语言·数据结构·考研·改行学it
tadus_zeng18 小时前
Windows C++ 排查死锁
c++·windows
EverestVIP18 小时前
VS中动态库(外部库)导出与使用
开发语言·c++·windows
Naive_719 小时前
蓝桥杯准备(前缀和差分)
java·职场和发展·蓝桥杯
烂蜻蜓19 小时前
C 语言中的递归:概念、应用与实例解析
c语言·数据结构·算法