装箱问题(洛谷)
题目
原题
题目描述
有一个箱子容量为 V V V,同时有 n n n 个物品,每个物品有一个体积。
现在从 n n n 个物品中,任取若干个装入箱内(也可以不取),使箱子的剩余空间最小。输出这个最小值。
输入格式
第一行共一个整数 V V V,表示箱子容量。
第二行共一个整数 n n n,表示物品总数。
接下来 n n n 行,每行有一个正整数,表示第 i i i 个物品的体积。
输出格式
- 共一行一个整数,表示箱子最小剩余空间。
样例 #1
样例输入 #1
24 6 8 3 12 7 9 7
样例输出 #1
0
提示
对于 100 % 100\% 100% 数据,满足 0 < n ≤ 30 0<n \le 30 0<n≤30, 1 ≤ V ≤ 20000 1 \le V \le 20000 1≤V≤20000。
【题目来源】
NOIP 2001 普及组第四题
思路
这是一道很经典的动态规划问题。需要使剩下的空间经可能低,也就是需要经可能使得装进去的物品体积之和经可能大。
这和动态规划的背包问题差不多,方法是将物品作为外循环遍历,背包大小作为内循环遍历,这里以空间为4,物品体积分别为2 、3、4为例,最大可装入物品空间大小为:
物品\背包 | v=1时 | v=2时 | v=3时 | v=4时 | v=5时 |
---|---|---|---|---|---|
物品1(2) | 0 | 2 | 2 | 2 | 2 |
物品2(3) | 0 | 2 | 3 | 3 | 5 |
物品3(4) | 0 | 2 | 3 | 4 | 5 |
状态转移方程式f(i,j)=max[f(i-1,j),f(i-1,j-a)+w(a)]
这里的计算过程以格(2,5)为例 f(2,5)=max(f(1,5),f(1,5-3)+w(2))
其中w(2)是物品二空间大小。从这里可以看出计算大箱子时只需要用到小箱子数据,而且只会用到前一行的小箱子数据,因此根据这个原理只需要在遍历箱子大小时候,从后往前遍历就可以直接使用一维数组完成这个过程,无需使用二维数组。
这里的最终结果就是右下角值5,我们只要使程序做到这个表格的效果即可得到最终结果。
代码
#include<iostream>
using namespace std;
int dp[20001];
int ob[30];
int main(){
int v,n;
cin>>v>>n;
for(int i=0;i<n;i++){
cin>>ob[i];
}
//动态规划
for(int i=0;i<n;i++){//外层遍历物品
for(int j=v;j>=ob[i]&&j>0;j--){//遍历背包大小,这里终止值是j>=ob[i]因为只有满足这个条件这个物品才可能放进箱子。
dp[j]=max(dp[j],dp[j-ob[i]]+ob[i]);
}
}
//输出右下角值作为答案
cout<<v-dp[v];
}