hihoCoder_01背包问题 和hihoCoder_完全背包问题

时间:2021-11-30 18:44:46

题目:

#1038 : 01背包

时间限制: 20000ms
单点时限: 1000ms
内存限制: 256MB

描述

且说上一周的故事里,小Hi和小Ho费劲心思终于拿到了茫茫多的奖券!而现在,终于到了小Ho领取奖励的时刻了!

小Ho现在手上有M张奖券,而奖品区有N件奖品,分别标号为1到N,其中第i件奖品需要need(i)张奖券进行兑换,同时也只能兑换一次,为了使得辛苦得到的奖券不白白浪费,小Ho给每件奖品都评了分,其中第i件奖品的评分值为value(i),表示他对这件奖品的喜好值。现在他想知道,凭借他手上的这些奖券,可以换到哪些奖品,使得这些奖品的喜好值之和能够最大。

提示一:合理抽象问题、定义状态是动态规划最关键的一步

提示二:说过了减少时间消耗,我们再来看看如何减少空间消耗

输入

每个测试点(输入文件)有且仅有一组测试数据。

每组测试数据的第一行为两个正整数N和M,表示奖品的个数,以及小Ho手中的奖券数。

接下来的n行描述每一行描述一个奖品,其中第i行为两个整数need(i)和value(i),意义如前文所述。

测试数据保证

对于100%的数据,N的值不超过500,M的值不超过10^5

对于100%的数据,need(i)不超过2*10^5, value(i)不超过10^3

输出

对于每组测试数据,输出一个整数Ans,表示小Ho可以获得的总喜好值。

样例输入
5 1000
144 990
487 436
210 673
567 58
1056 897
样例输出
2099


 import java.util.Scanner;

public class Main {
    public static void main(String[] args) {
        //小Ho现在手上有M张奖券,而奖品区有N件奖品,
        // 分别标号为1到N,其中第i件奖品需要need(i)张奖券进行兑换,
        // 同时也只能兑换一次,为了使得辛苦得到的奖券不白白浪费,
        // 小Ho给每件奖品都评了分,其中第i件奖品的评分值为value(i),
        // 表示他对这件奖品的喜好值。现在他想知道,
        // 凭借他手上的这些奖券,可以换到哪些奖品,使得这些奖品的喜好值之和能够最大。

        //输入:每个测试点(输入文件)有且仅有一组测试数据。
        //
        //每组测试数据的第一行为两个正整数N和M,表示奖品的个数,以及小Ho手中的奖券数。
        //
        //接下来的n行描述每一行描述一个奖品,其中第i行为两个整数need(i)和value(i),意义如前文所述。
        //
        //测试数据保证
        //
        //对于100%的数据,N的值不超过500,M的值不超过10^5
        //
        //对于100%的数据,need(i)不超过2*10^5, value(i)不超过10^3

        Scanner sc = new Scanner(System.in);
        int n=sc.nextInt();
        int m=sc.nextInt();
        int [][] arr=new int[n][2];
        for(int i=0;i<n;i++){
            for(int j=0;j<2;j++){
                arr[i][j]=sc.nextInt();
            }
        }

        int [] dp=new int[m+1];
        //典型的01背包问题(即每个数据只能用一次)
        for(int i=0;i<n;i++){
            for(int j=m;j>=arr[i][0];j--){//因为是01背包问题,内循环从需求的m开始往里.如果是完全背包问题(可重复取数据),则内循环从0-m开始循环
                dp[j]=Math.max(dp[j],dp[j-arr[i][0]]+arr[i][1]);
            }
        }

        System.out.println(dp[m]);
    }
}

完全背包:

#1043 : 完全背包

时间限制: 20000ms
单点时限: 1000ms
内存限制: 256MB

描述

且说之前的故事里,小Hi和小Ho费劲心思终于拿到了茫茫多的奖券!而现在,终于到了小Ho领取奖励的时刻了!

等等,这段故事为何似曾相识?这就要从平行宇宙理论说起了………总而言之,在另一个宇宙中,小Ho面临的问题发生了细微的变化!

小Ho现在手上有M张奖券,而奖品区有N种奖品,分别标号为1到N,其中第i种奖品需要need(i)张奖券进行兑换,并且可以兑换无数次,为了使得辛苦得到的奖券不白白浪费,小Ho给每件奖品都评了分,其中第i件奖品的评分值为value(i),表示他对这件奖品的喜好值。现在他想知道,凭借他手上的这些奖券,可以换到哪些奖品,使得这些奖品的喜好值之和能够最大。

提示一: 切,不就是0~1变成了0~K么

提示二:强迫症患者总是会将状态转移方程优化一遍又一遍

提示三:同样不要忘了优化空间哦!

输入

每个测试点(输入文件)有且仅有一组测试数据。

每组测试数据的第一行为两个正整数N和M,表示奖品的种数,以及小Ho手中的奖券数。

接下来的n行描述每一行描述一种奖品,其中第i行为两个整数need(i)和value(i),意义如前文所述。

测试数据保证

对于100%的数据,N的值不超过500,M的值不超过10^5

对于100%的数据,need(i)不超过2*10^5, value(i)不超过10^3

输出

对于每组测试数据,输出一个整数Ans,表示小Ho可以获得的总喜好值。

样例输入
5 1000
144 990
487 436
210 673
567 58
1056 897
样例输出
5940

分析:

import java.util.Scanner;

public class Main {
    public static void main(String[] args) {
        //小Ho现在手上有M张奖券,而奖品区有N件奖品,
        // 分别标号为1到N,其中第i件奖品需要need(i)张奖券进行兑换,
        // 同时也只能兑换一次,为了使得辛苦得到的奖券不白白浪费,
        // 小Ho给每件奖品都评了分,其中第i件奖品的评分值为value(i),
        // 表示他对这件奖品的喜好值。现在他想知道,
        // 凭借他手上的这些奖券,可以换到哪些奖品,使得这些奖品的喜好值之和能够最大。

        //输入:每个测试点(输入文件)有且仅有一组测试数据。
        //
        //每组测试数据的第一行为两个正整数N和M,表示奖品的个数,以及小Ho手中的奖券数。
        //
        //接下来的n行描述每一行描述一个奖品,其中第i行为两个整数need(i)和value(i),意义如前文所述。
        //
        //测试数据保证
        //
        //对于100%的数据,N的值不超过500,M的值不超过10^5
        //
        //对于100%的数据,need(i)不超过2*10^5, value(i)不超过10^3

        Scanner sc = new Scanner(System.in);
        int n=sc.nextInt();
        int m=sc.nextInt();
        int [][] arr=new int[n][2];
        for(int i=0;i<n;i++){
            for(int j=0;j<2;j++){
                arr[i][j]=sc.nextInt();
            }
        }

        int [] dp=new int[m+1];
        //典型的01背包问题(即数据只能用一次)

//        for(int i=0;i<n;i++){
//            for(int j=m;j>=arr[i][0];j--){
//                dp[j]=Math.max(dp[j],dp[j-arr[i][0]]+arr[i][1]);
//            }
//        }

        //典型的完全背包问题(即数据可以用多次)
        for(int i=0;i<n;i++){
            for(int j=0;j<=m;j++){
                if(j>=arr[i][0]){
                    //说明可分
                    dp[j]=Math.max(dp[j],dp[j-arr[i][0]]+arr[i][1]);
                }

            }
        }


        System.out.println(dp[m]);
    }
}