打包
Description
你現在拿到了許多的禮物，你要把這些禮物放進袋子里。你只有一個最多裝下V 體積物品的袋子，你不能全部放進去。你也拿不動那么重的東西。你估計你能拿的最大重量為 G。現在你了解了每一個物品的完美值、重量和體積，你當然想讓袋子中裝的物品的完美值總和最大，你又得計劃一下了。
Input
第一行：V 和 G 表示最大重量和體積。
第二行：N 表示拿到 N 件禮物。
第三到N+2行：每行3個數 Ti Vi Gi 表示各禮物的完美值、重量和體積
Output
輸出共一個數，表示可能獲得的最大完美值。
Sample Input
6 5
4
10 2 2
20 3 2
40 4 3
30 3 3
Sample Output
50
Hint
對于20%的數據 N，V，G，Ti，Vi，Gi≤10
對于50%的數據 N，V，G，Ti，Vi，Gi≤100
對于80%的數據 N，V，G，Ti，Vi，Gi≤300
80%到100%的數據是N，V，G，Ti，Vi，Gi≤380 的離散隨機數據。
分析
這題其實就是個背包，沒什么好說的，應該都知道。。。
我們設f[k,i,j]表示前k個物品我們使用了i的重量j的體積所能得到的完美值最大是多少。
然后DP就很明顯了：
f[k,i,j]=f[k-1,i,j]
若i>=vi,j>=gi 則
f[k,i,j]=max(f[k,i-vi,j-gi]+t,f[k-1,i,j])
然后我們要優美的，可以去優化掉k的這一維數組
時間復雜度:O(NVG)
程序：
var
f:array [0..381,0..381] of longint;
p,n,m,i,j,k,t,v,g,ans:longint;
function max(x,y:longint):longint;
begin
if x>y then exit(x);
exit(y);
end;
begin
assign(input,’pack.in’);
reset(input);
assign(output,’pack.out’);
rewrite(output);
readln(v,g);
readln(p);
for k:=1 to p do
begin
readln(t,n,m);
for i:=v downto n do
for j:=g downto m do
f[i,j]:=max(f[i,j],f[i-n,j-m]+t);
end;
writeln(f[v,g]);
close(input);
close(output);
end.
轉載于:https://www.cnblogs.com/YYC-0304/p/9500055.html
總結
