背包问题变式总结
Acwing 278 数字组合
状态表示:二维
(资料图片仅供参考)
集合:所有从前 \(i\) 个数里面选,且和是 \(j\) 的选法的集合
属性:选法的数量
状态计算 分为 选 \(i\) 的所有方案 和 不选 \(i\) 的所有方案
不选 \(i\) 也就是从前 \(i-1\) 个数里面选,且和是 \(j\) 的方案数 \(f[i-1,j]\)
选 \(i\) 也就是从前 \(i-1\) 个数里面选,且和是 \(j-a_i\) 的方案数,注意是 += ,因为我们算的是数量而不是最大值
注意当 \(j=0\) 也是有一种方案的,要初始化为 \(1\)
#include using namespace std;const int N = 105, M = 10005;int f[N][M], a[N];int n,m;int main(){ cin>>n>>m; f[0][0]=1; for(int i=1;i<=n;i++) { cin>>a[i]; f[i][0]=1; } for(int i=1;i<=n;i++) { for(int j=1;j<=m;j++) { f[i][j]+=f[i-1][j]; if(j>=a[i]) f[i][j]+=f[i-1][j-a[i]]; } } cout<
优化也很简单,参考01背包的优化方式
这里不过多赘述,上代码
#include using namespace std;const int N = 10005;int f[N];int main(){ int n,m; cin>>n>>m; f[0]=1; for(int i=1;i<=n;i++) { int a; cin>>a; for(int j=m;j>=a;j--) f[j]+=f[j-a]; } cout<
01背包平分子集这个标题有些迷惑,什么是平分子集,有什么实际运用吗?
平分子集大体意思是给你几个数,把这些数分成两组,问你最小的差值是多少?
我们可以将数的总和记录下来,然后将这个数除以2,再从数组里面挑数字尽可能装满这个背包
解释一下:想要两个子集差值最小,那么这个值最小为0,也就是相等,那么我们就尽可能选出一些数字接近这个一半,越接近差值就越小
首先来一道比较裸的题 巧分配
只需要按照上文说的方法再套上01背包的模板就行了,不过多解释
#include #include using namespace std;const int N = 50005;int a[N];int main(){ int n,t; cin>>t; while(t--) { int f[N]={0}; cin>>n; int sum=0; for(int i=1;i<=n;i++) cin>>a[i],sum+=a[i]; for(int i=1;i<=n;i++) for(int j=sum/2;j>=a[i];j--) f[j]=max(f[j],f[j-a[i]]+a[i]); cout<
来一个进阶版本 kkksc03考前临时抱佛脚
题目中说的有4门学科容易误导,让人认为是分组背包什么的,实际上只相当于多组测试数据罢了,那么我们就把目光聚焦到一组上面
我们可以发现可以同时解决两个问题,那么想要这个特性运用的最划算,那么肯定是需要左脑和右脑处理的时间的差值最小,那么这个问题就转换成了平分子集问题,不过需要注意的是,这里求的是总时间,因为左脑和右脑只能处理同一科,所以如果左脑处理完了,左脑还得等右脑,所以需要取一个最大值,最后将每次取得的结果累加就行了
#include #include using namespace std;const int N = 1005;int s[5];int f[N],a[N];int main(){ int res=0; for(int i=1;i<=4;i++) cin>>s[i]; for(int t=1;t<=4;t++) { memset(f,0,sizeof f); int sum=0; for(int i=1;i<=s[t];i++) cin>>a[i],sum+=a[i]; for(int i=1;i<=s[t];i++) for(int j=sum/2;j>=a[i];j--) f[j]=max(f[j],f[j-a[i]]+a[i]); res+=max(sum-f[sum/2],f[sum/2]); } cout<
含有负数的01背包[USACO03FALL]Cow Exhibition G 奶牛博览会
题目要求两个指数不能是负数,且和最大,不能看作简单的01背包来处理
我们可以设计一下状态,假设 \(TS\) 为正数(弄一个偏移量,把负数变成正数)。状态 \(f[i]\) 表示花费 \(i\) 的聪明指数能得到的最大的风趣指数
这里有几个问题需要注意一下
初始化数组为负无穷,因为数据中是有正数的,其次初始化 \(f[m]\) 为0,表示当 TS 的值达到 0 的时候,TF 的最大值为 0我们的偏移量要是数据上限的两倍,因为枚举时出现了 \(-v[i]\)负数与正数要区别对待正数和负数为什么会不一样?
在正数中,\(j > j-v[i]\) ,我们想要求得 \(f[j]\) 的话就必须要使用 \(i-1\) 层的 \(f[j-TS[i]]\) 所以如果从小到大的话会导致 \(f[j-TS[i]]\) 先算,这样用的就是 \(i\) 层的 \(f[j-TS[i]]\) 了,与原本二维的状态是不符的
而在负数中,\(j 由于完全背包的最终版本和01背包非常像,这里就不多赘述,具体看上文提到的01背包完全装满求方案数 进阶版本 NOIP2018 提高组 货币系统 由于纸币有无穷张,所以是完全背包 首先来解释一下题目是什么意思,题目要求我们设计一个等价的货币系统,相当于给出的货币系统有的面值是没有用的,我们将这个货币系统优化一下,去掉几种面值,但是不能多表示一些面值,也不能少表示一些面值 那我们可以将现有的货币系统能表示的所有面值都搞出来,然后看需要什么面值的钱才能表示这个面值 换句话讲,例如说如果 5 这个面值 只有一种表示方法,那么一定是1张5元的钱,那么这张钱就不能省去,是必要的 如果有两种表示方法的话,那么就可以被替代了,由于面值只能相加不能相减,所以这两种方法其中一定有一种是由比这张钱价值小的钱凑出来的,所以我们就不需要新的钱了 另外有可能对无穷张这个点有些疑惑,无穷张不管是 2张 还是 3张 表示的面值也一定用给出的货币系统的面值凑出来,所以无需考虑 摆花 与之前的一样,不过要注意的是,分组里面枚举的 \(k\) 是下标,而这里的体积都为1,所以说如果从 \(0\) 开始枚举的话要 \(-(k+1)\)
完全背包完全背包完全装满求方案数#include
#include
分组背包分组背包完全装满求方案数#include
#include