博客
关于我
ACM HDU Bone Collector 01背包
阅读量:444 次
发布时间:2019-03-06

本文共 1286 字,大约阅读时间需要 4 分钟。

在解决01背包问题时,贪心算法并不总是有效。例如,当某个物品的单位价值低,但能与其他物品组合后带来更高的总价值时,贪心算法可能无法找到最优解。因此,动态规划方法更为适合这种情况。

动态规划方法

我们将使用一个二维数组 dp,其中 dp[i][j] 表示前 i 个物品放入体积为 j 的背包中所能获得的最大价值。

初始化

  • dp 数组初始化为 0,因为最开始没有放入任何物品。

状态转移

对于每个物品 i,遍历所有可能的背包体积 j

  • 如果物品 i 的体积 vol[i] 小于等于 j,则可以放入背包。此时,dp[i][j] 的值为 dp[i-1][j]dp[i-1][j - vol[i]] + val[i] 中的最大值。
  • 否则,dp[i][j] 仍为 dp[i-1][j],即不放入该物品。

处理特殊情况

  • 对于体积为 0 的物品,单位价值为无穷大,应优先放入背包。

代码实现

#include 
#include
#include
#include
#include
#include
#include
#include
#include
using namespace std;#define MAX 0x3f3f3f3f#define MIN -0x3f3f3f3f#define N 100int val[N];int vol[N];int dp[N][N]; // 使用二维数组保存状态int main() { int T; int n, v; scanf("%d", &T); while (T--) { scanf("%d%d", &n, &v); for (int i = 1; i <= n; i++) { scanf("%d", &val[i]); } for (int i = 1; i <= n; i++) { scanf("%d", &vol[i]); } memset(dp, 0, sizeof(dp)); for (int i = 1; i <= n; i++) { for (int j = 0; j <= v; j++) { if (vol[i] <= j) { dp[i][j] = max(dp[i-1][j], dp[i-1][j - vol[i]] + val[i]); } else { dp[i][j] = dp[i-1][j]; } } } printf("%d\n", dp[n][v]); } return 0;}

解释

  • 初始化:读取输入数据,初始化 dp 数组为 0
  • 遍历物品:对于每个物品,遍历所有可能的背包体积。
  • 状态更新:检查物品是否能放入背包,更新 dp 数组。
  • 输出结果:打印 dp[n][v],即第 n 个物品处理后,背包体积为 v 时的最大价值。
  • 这种方法确保了我们能够找到最优解,适用于所有情况,包括体积为 0 的物品。

    转载地址:http://aojyz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
    查看>>
    OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
    查看>>
    OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
    查看>>
    OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
    查看>>