今天是我们讲解「动态规划专题」中的「背包问题」的第十五篇。
今天将完成一道“特殊”的「多维背包」问题。
另外,我在文章结尾处列举了我所整理的关于背包问题的相关题目。
背包问题我会按照编排好的顺序进行讲解(每隔几天更新一篇,确保大家消化)。
你可以先尝试做做,也欢迎你向我留言补充,你觉得与背包相关的 DP 类型题目 ~
这是 LeetCode 上的「879. 盈利计划」,难度为「困难」。
Tag : 「动态规划」、「容斥原理」、「数学」、「背包问题」、「多维背包」
集团里有
名员工,他们可以完成各种各样的工作创造利润。
第
种工作会产生
的利润,它要求
名成员共同参与。
如果成员参与了其中一项工作,就不能参与另一项工作。
工作的任何至少产生
利润的子集称为「盈利计划」。并且工作的成员总数最多为
。
有多少种计划可以选择?
因为答案很大,所以 返回结果模
的值。
示例 1:
输入:n = 5, minProfit = 3, group = [2,2], profit = [2,3]
输出:2
解释:至少产生 3 的利润,该集团可以完成工作 0 和工作 1 ,或仅完成工作 1 。
总的来说,有两种计划。
示例 2:
输入:n = 10, minProfit = 5, group = [2,3,5], profit = [6,7,8]
输出:7
解释:至少产生 5 的利润,只要完成其中一种工作就行,所以该集团可以完成任何工作。
有 7 种可能的计划:(0),(1),(2),(0,1),(0,2),(1,2),以及 (0,1,2) 。
提示:
这是一类特殊的多维费用背包问题。
将每个任务看作一个「物品」,完成任务所需要的人数看作「成本」,完成任务得到的利润看作「价值」。
其特殊在于存在一维容量维度需要满足「不低于」,而不是常规的「不超过」。这需要我们对于某些状态作等价变换。
定义
为考虑前
件物品,使用人数不超过
,所得利润至少为
的方案数。
对于每件物品(令下标从
开始),我们有「选」和「不选」两种决策:
),还需要考虑「至少利润」负值问题:如果直接令「利润维度」为
可能会出现负值,那么负值是否为合法状态呢?这需要结合「状态定义」来看,由于是「利润至少为
」,因此属于「合法状态」,需要参与转移。 由于我们没有设计动规数组存储「利润至少为负权」状态,我们需要根据「状态定义」做一个等价替换,将这个「状态」映射到
。这主要是利用所有的任务利润都为“非负数”,所以不可能出现利润为负的情况,这时候「利润至少为某个负数
」的方案数其实是完全等价于「利润至少为
」的方案数。
最终
为上述两种情况之和。
然后考虑「如何构造有效起始值」问题,还是结合我们的「状态定义」来考虑:
当不存在任何物品(任务)时,所得利用利润必然为
(满足至少为
),同时对人数限制没有要求。
因此可以让所有
。
代码:
class Solution {
int mod = (int)1e9+7;
public int profitableSchemes(int n, int min, int[] gs, int[] ps) {
int m = gs.length;
// f[i][j][k] 代表考虑前 i 个任务,使用人数不超过 j,产生利益至少 k 的方案数
int[][][] f = new int[m+1][n+1][min+1];
// 初始化:当没有任务时,无论有多少人,只有利益至少为 0 时的方案数为 1,其他为 0
for (int j = 0; j <= n; j++) {
f[0][j][0] = 1;
}
for (int i = 1; i <= m; i++) {
int g = gs[i-1], p = ps[i-1];
for (int j = 0; j <= n; j++) {
for (int k = 0; k <= min; k++) {
f[i][j][k] = f[i-1][j][k];
if (j >= g) {
f[i][j][k] += f[i-1][j-g][Math.max(0, k-p)];
f[i][j][k] %= mod;
}
}
}
}
return f[m][n][min];
}
}
基本思路是先不考虑最小利润 minProfit
,求得所有只受「人数限制」的方案数 a
。
然后求得考虑「人数限制」同时,利润低于 minProfit
(不超过 minProfit - 1
)的所有方案数 b
。
最后由 a
- b
即是答案。
❝为了不额外增加难度,这里直接使用 Java 的高精度实现,Python 的同学可以直接不考虑精度问题,C++ 同学则需要自己实现高精度。 ❞
代码:
import java.math.BigInteger;
class Solution {
static int N = 105;
static BigInteger[][] f = new BigInteger[2][N];
static BigInteger[][][] g = new BigInteger[2][N][N];
static BigInteger mod = new BigInteger("1000000007");
public int profitableSchemes(int n, int min, int[] gs, int[] ps) {
int m = gs.length;
for (int j = 0; j <= n; j++) {
f[0][j] = new BigInteger("1");
f[1][j] = new BigInteger("0");
}
for (int j = 0; j <= n; j++) {
for (int k = 0; k <= min; k++) {
g[0][j][k] = new BigInteger("1");
g[1][j][k] = new BigInteger("0");
}
}
for (int i = 1; i <= m; i++) {
int a = gs[i - 1], b = ps[i - 1];
int x = i & 1, y = (i - 1) & 1;
for (int j = 0; j <= n; j++) {
f[x][j] = f[y][j];
if (j >= a) {
f[x][j] = f[x][j].add(f[y][j-a]);
}
}
}
if (min == 0) return (f[m&1][n]).mod(mod).intValue();
for (int i = 1; i <= m; i++) {
int a = gs[i - 1], b = ps[i - 1];
int x = i & 1, y = (i - 1) & 1;
for (int j = 0; j <= n; j++) {
for (int k = 0; k < min; k++) {
g[x][j][k] = g[y][j][k];
if (j - a >= 0 && k - b >= 0) {
g[x][j][k] = g[x][j][k].add(g[y][j-a][k-b]);
}
}
}
}
return f[m&1][n].subtract(g[m&1][n][min-1]).mod(mod).intValue();
}
}
DP
复杂度为 ;第二遍 DP
复杂度为
。整体复杂度为
今天我们完成了一道“特殊”的「多维费用背包问题求方案数」的题目。
与传统的背包问题不同,本题有一维费用是「至少」,而不是一般性的「不超过」或「恰好」。
这时候我们需要结合状态定义的实际意义来做「等价替换」(解法一),或者利用「容斥原理」来将问题转化为“传统”的背包问题进行求解(解法二)。
一般来说,方式一更具有一般性,方式二会随着带「至少」限制的维度的增加,带来代码量的增多和复杂度的上升。
这是我们「刷穿 LeetCode」系列文章的第 No.879
篇,系列开始于 2021/01/01,截止于起始日 LeetCode 上共有 1916 道题目,部分是有锁题,我们将先把所有不带锁的题目刷完。
在这个系列文章里面,除了讲解解题思路以外,还会尽可能给出最为简洁的代码。如果涉及通解还会相应的代码模板。
为了方便各位同学能够电脑上进行调试和提交代码,我建立了相关的仓库:https://github.com/SharingSource/LogicStack-LeetCode 。
在仓库地址里,你可以看到系列文章的题解链接、系列文章的相应代码、LeetCode 原题链接和其他优选题解。