蓝桥杯C++基础算法-多重背包

这段代码实现了一个多重背包问题的动态规划解法。多重背包问题与完全背包问题类似,但每个物品有其数量限制。以下是代码的详细思路解析:


1. 问题背景

给定 n 个物品,每个物品有其体积 v[i]、价值 w[i] 和数量 s[i],以及一个容量为 m 的背包。目标是选择物品使得总价值最大,同时总容量不超过背包的容量。与完全背包问题不同的是,多重背包问题中每个物品的数量是有限的。

2. 动态规划的概念

动态规划是一种常用的算法技巧,用于解决具有重叠子问题和最优子结构的问题。在多重背包问题中,动态规划通过维护一个二维数组 f 来记录不同状态下的最大价值。

3. 代码逻辑解析

(1) 输入数据
复制代码
cin >> n >> m;
for (int i = 1; i <= n; i++) cin >> v[i] >> w[i] >> s[i];
  • 用户输入物品数量 n 和背包容量 m

  • 对于每个物品,输入其体积 v[i]、价值 w[i] 和数量 s[i]

(2) 动态规划状态转移
复制代码
for (int i = 1; i <= n; i++)
    for (int j = 0; j <= m; j++)
        for (int k = 0; k <= s[i] && k * v[i] <= j; k++)
            f[i][j] = max(f[i][j], f[i - 1][j - v[i] * k] + w[i] * k);
  1. 外层循环

    • 遍历每个物品,从第 1 个到第 n 个。
  2. 中层循环

    • 遍历背包的每个容量,从 0 到 m
  3. 内层循环

    • 遍历每个物品可以被选择的次数 k,从 0 到 s[i](即当前物品的最大数量),并且确保 k * v[i] <= j(即当前容量可以容纳的最大次数)。
  4. 状态转移

    • f[i][j] 表示前 i 个物品在容量为 j 的背包下的最大价值。

    • 不选择第 i 个物品f[i][j] = f[i - 1][j],即前 i-1 个物品在容量为 j 的背包下的最大价值。

    • 选择第 i 个物品 k :更新 f[i][j]f[i - 1][j - v[i] * k] + w[i] * k,即前 i-1 个物品在容量为 j - v[i] * k 的背包下的最大价值加上第 i 个物品的价值乘以选择次数 k

(3) 输出结果
复制代码
cout << f[n][m] << endl;
  • 输出最终的最大价值,即 f[n][m]

4. 代码效率分析

  • 时间复杂度

    • 三层循环遍历所有物品、所有容量和所有选择次数,时间复杂度为 O(n × m × s_max) ,其中 s_max 是最大的物品数量。
  • 空间复杂度

    • 使用了一个二维数组 f,空间复杂度为 O(n × m)

5. 示例运行

输入:
cpp 复制代码
4 5
1 2 3
2 4 1
3 4 3
4 5 2
输出:
cpp 复制代码
10

6. 总结

这段代码的核心思路是通过动态规划 解决多重背包问题。通过维护一个二维数组 f,记录不同状态下的最大价值,并通过状态转移方程更新最大价值,最终找到在给定背包容量下的最大价值。这种方法的时间复杂度为 O(n × m × s_max) ,空间复杂度为 O(n × m),适用于中等规模的多重背包问题。

完整代码

cpp 复制代码
#include<bits/stdc++.h>
using namespace std;

// 定义常量 N 作为数组的最大长度
const int N = 110;
// n 表示物品的种类数,m 表示背包的容量
int n, m;
// v 数组存储每种物品的体积,w 数组存储每种物品的价值,s 数组存储每种物品的数量上限
int v[N], w[N], s[N];
// f 数组是二维数组,f[i][j] 表示前 i 种物品,背包容量为 j 时能获得的最大价值
int f[N][N];

int main()
{
    // 输入物品的种类数 n 和背包的容量 m
    cin >> n >> m;
    // 循环读入每种物品的体积、价值和数量上限
    for(int i = 1; i <= n; i ++) cin >> v[i] >> w[i] >> s[i];

    // 动态规划过程,外层循环遍历每种物品
    for(int i = 1; i <= n; i ++)
        // 中层循环遍历背包的所有可能容量
        for(int j = 0; j <= m; j ++)
            // 内层循环枚举当前物品 i 放入的数量 k,k 要满足不超过该物品的数量上限 s[i] 且放入 k 个物品后的体积不超过当前背包容量 j
            for(int k = 0; k <= s[i] && k * v[i] <= j; k ++)
                // 比较当前记录的最大价值 f[i][j] 和放入 k 个第 i 种物品后的价值
                // 放入 k 个第 i 种物品后,剩余容量为 j - v[i] * k,之前 i - 1 种物品在该剩余容量下的最大价值为 f[i - 1][j - v[i] * k]
                // 放入 k 个第 i 种物品的价值为 w[i] * k
                f[i][j] = max(f[i][j], f[i - 1][j - v[i] * k] + w[i] * k);

    // 输出前 n 种物品,背包容量为 m 时能获得的最大价值
    cout << f[n][m] << endl;
    return 0;
}
相关推荐
傅里叶的耶18 分钟前
C++系列(二):告别低效循环!选择、循环、跳转原理与优化实战全解析
c++·visual studio
Vitta_U35 分钟前
MFC的List Control自适应主界面大小
c++·list·mfc
Dovis(誓平步青云)1 小时前
基于探索C++特殊容器类型:容器适配器+底层实现原理
开发语言·c++·queue·适配器·stack
Gyoku Mint2 小时前
深度学习×第4卷:Pytorch实战——她第一次用张量去拟合你的轨迹
人工智能·pytorch·python·深度学习·神经网络·算法·聚类
葫三生3 小时前
如何评价《论三生原理》在科技界的地位?
人工智能·算法·机器学习·数学建模·量子计算
pipip.3 小时前
UDP————套接字socket
linux·网络·c++·网络协议·udp
拓端研究室5 小时前
视频讲解:门槛效应模型Threshold Effect分析数字金融指数与消费结构数据
前端·算法
随缘而动,随遇而安7 小时前
第八十八篇 大数据中的递归算法:从俄罗斯套娃到分布式计算的奇妙之旅
大数据·数据结构·算法
孞㐑¥8 小时前
Linux之Socket 编程 UDP
linux·服务器·c++·经验分享·笔记·网络协议·udp
IT古董8 小时前
【第二章:机器学习与神经网络概述】03.类算法理论与实践-(3)决策树分类器
神经网络·算法·机器学习