要求输出方案:以01背包为例
我们可以知到,01背包用一维数组表示的状态转移方程是:
那么,要求输出方案时应该怎么办呢?我们没有在决策过程中记录方案,按照动态规划的过程方案并非固定,因此我们需要通过动态规划的结果来得出其中之一的选择方案.
根据状态转移方程,若f[j]=f[j-v1]+wi,则说明这件物品是选择的.因此我们根据这一结论,通过对结果的不断相减的处理以及判断,便可以得到期中之一的方案.
代码如下:
#include<bits/stdc++.h>
using namespace std;
int n,V,t=0;
int v[10000];
int w[10000];
int ans[1000];
int f[2000][2000];
int main()
{
ios::sync_with_stdio(false);
cin>>n>>V;
for (int i=1;i<=n;i++)
cin>>v[i]>>w[i];
for (int i=1;i<=n;i++)
for (int j=0;j<=V;j++)
{
if (j<v[i]) f[i][j]=f[i-1][j];
else f[i][j]=max(f[i-1][j],f[i-1][j-v[i]]+w[i]);
}
while (n>0&&V>0)
{
if (f[n][V]==f[n-1][V-v[n]]+w[n])
{
ans[++t]=n;
V=V-v[n];
}
n--;
}
for (int i=t;i>=1;i--)
cout<<ans[i]<<' ';
return 0;
}
求字典序最小的方案数:以01背包为例
我们知道,按照上述程序的方法,一定无法保证字典序最小,即:
如果要保证字典序是最小的,必然要在从小到达枚举选择策略的时,若枚举到的物品可选可不选的时候,必然是要选的,例如枚举到了1-4,若一号物品可选可不选的时候,必然要选,毕竟以1开头无论如何字典序都是最大的;按上述策略,是从n-1枚举的,显然如果先选n便必然不能保证字典序的最小.因此,我们需要调换一下顺序,即读入的时候将for循环倒序读入,在输出n的时候再以输出n-i+1就能够保证序列顺序和答案的正确性.
代码如下:
#include<bits/stdc++.h>
using namespace std;
int n,V,t=0,N;
int v[10000];
int w[10000];
int ans[1000];
int f[2000][2000];
int main()
{
ios::sync_with_stdio(false);
cin>>N>>V;n=N;
for (int i=n;i>=1;i--)
cin>>v[i]>>w[i];
for (int i=1;i<=n;i++)
for (int j=0;j<=V;j++)
{
if (j<v[i]) f[i][j]=f[i-1][j];
else f[i][j]=max(f[i-1][j],f[i-1][j-v[i]]+w[i]);
}
while (n>0&&V>0)
{
if (f[n][V]==f[n-1][V-v[n]]+w[n])
{
cout<<N-n+1<<' ';
V=V-v[n];
}
n--;
}
return 0;
}
可行方案总数:以01背包为例
我们知道,若以价值而论,状态转移方程便是:
其中的状态转移方程f[i][j]表示前i件物品与容量为j的背包物品的最大价值;那么我们在面对这个相同条件但所求结果不同的问题中,我们便可以设f[i][j]为前i件物品组合出来的容量为j的方案数,因此,我们同样可以分两种情况进行讨论来得出状态转移方程,即我们枚举i和j的时候:
取:方案数为f[i-1][j] 2.不取:方案数为f[i-1][j-vi] 故状态转移方程如下(sum表示累加):
优化成一维,便是:
代码如下:
#include<bits/stdc++.h>
using namespace std;
int n,V,ans=0;
int v[100000];
int f[100000];
int main()
{
ios::sync_with_stdio(false);
cin>>n>>V;
for (int i=1;i<=n;i++)
cin>>v[i];
f[0]=1;
for (int i=1;i<=n;i++)
for (int j=V;j>=v[i];j--)
f[j]+=f[j-v[i]];
for (int i=1;i<=V;i++)
if (f[i]>=1) ans++;
cout<<f[n]<<' '<<ans;//f[n]表示拼成大小n的方案总数;ans表示能拼成的数子总量
return 0;
}
最优方案总数:以01背包为例
设f[i][j]表示前i件物品容量为j的最大价值,g[i][j]为该f[i][j]状态最优方案的方案总数
根据状态转移方程:
可以知道,g[i][j]的方案数同样是通过g[i][j]的决策情况来知道的.因此我们可以简单地退出g[i][j]的状态转移方程:
如果我们优化成一维,g[i]的原先状态本来就累加在本身,则方程是:
代码如下(请不要忽略注释的内容):
#include<bits/stdc++.h>
using namespace std;
int n,V;
int f[100000];
int g[100000];
int v[100000];
int w[100000];
int main()
{
ios::sync_with_stdio(false);
cin>>n>>V;
for (int i=1;i<=n;i++)
cin>>v[i]>>w[i];
g[0]=1;
for (int i=1;i<=n;i++)
for (int j=V;j>=v[i];j--)
{
//if (f[j]>f[j-v[i]]+w[i]) g[i]和f[i]的值都不变
if (f[j]==f[j-v[i]]+w[i]) g[j]+=g[j-v[i]];//f[j]的值保持不变
if (f[j]<f[j-v[i]]+w[i]) g[j]=g[j-v[i]],f[j]=f[j-v[i]]+w[i];
}//以上3个if语句为3种注释的情况
cout<<g[V];
return 0;
}