一、解题思路
把整数\(n\)看成一个容量为\(n\)的背包,有\(n\)种物品,物品的体积分别是\(1-n\),我们要求的是恰好装满背包的方案数(计数),每种物品可以用无限次,所以可以看成是一个完全背包。
先考虑二维的:
\(f[i,j]\):从前\(i\)中选,总体积恰好是\(j\)的选法,值就是方案数量。
(1)第\(i\)个物品选择了0个
\(f[i-1,j]\)
含义:在前\(i\)个物品中选择,结果现在第\(i\)个物品选择了0个,就是说这\(j\) 个体积都是前\(i-1\)贡献的。
(2)第i个物品选择了1个
\(f[i-1,j-1 * i]\) 第i个物品,体积就是i,后面的$j-1 * i $是指减少了\(1*i\)这么大的体积。
含义:在前$ i \(个物品中选择,结果现在第\)i$个物品选择了1个,就是说这 $ j-1 $ 个体积都是前\(i-1\)贡献的。
(3)第\(i\)个物品选择了2个
\(f[i-1,j-2*i]\)
...
(4)第\(i\)个物品选择了s个
\(f[i-1,j-s*i]\)
初值问题
求最大值时,当都不选时,价值显然是 0
而求方案数时,当都不选时,方案数是 1(即前 i 个物品都不选的情况也是一种方案),所以需要初始化为 1
即:
for (int i = 0; i <= n; i ++) f[i][0] = 1;
可以理解为从\(0-n\)中去选,填充到一个空间为0的背包里,方案数只有一个,就是啥都不要。
等价变形后:
f[0] = 1
推导的朴素算法公式:
总共的时间复杂度是\(n^2log_n\),也是可以过的。
\(f[i][j]=f[i-1][j]+f[i-1][j-i]+f[i-1][j-2 * i]+...+f[i-1][j-s * i]\)
但这样做的话,不可避免要使用三层循环(最里层用于遍历\(s * i\)),我们再来继续优化一下,采用和背包问题一样的优化思路:
\(f[i][j]=f[i-1][j]+f[i-1][j-i]+f[i-1][j-2 * i]+...+f[i-1][j-s * i]\)
\(f[i][j-i]=\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ f[i-1][j-i]+f[i-1][j-2 * i]+...+f[i-1][j-s * i]\)
注意:
上面如果直接套公式,同学们可能会认为还有最后一项\(f[i-1][j- (s+1) * i]\) ,其实是没有的,因为在现实世界里,\(j\)能最多包含的是 $ s * i \(个体积,不可能达到\)f[i-1][j- (s+1) * i]$,这个要从现实出发,不要只看上面的数学表达式。
优化为
\(f[i][j]=f[i-1][j]+f[i][j-i]\)
二维的朴素作法
// f[i][j] = f[i - 1][j] + f[i][j - i]
#include <iostream>
using namespace std;
const int N = 1e3 + 7, mod = 1e9 + 7;
int f[N][N];
int main() {
int n;
cin >> n;
for (int i = 0; i <= n; i ++) {
f[i][0] = 1; // 容量为0时,前 i 个物品全不选也是一种方案
}
for (int i = 1; i <= n; i ++) {
for (int j = 0; j <= n; j ++) {
f[i][j] = f[i - 1][j] % mod; // 特殊 f[0][0] = 1
if (j >= i) f[i][j] = (f[i - 1][j] + f[i][j - i]) % mod;
}
}
cout << f[n][n] << endl;
}
继续优化,和完全背包一样,把第一维优化掉,只需要把第二层循环从小到大即可。
\(f[j]=f[j]+f[j-1]\)
一维的作法
#include <bits/stdc++.h>
using namespace std;
const int N = 1010;
const int MOD = 1e9 + 7;
int f[N];
int n;
int main() {
//优化输入
ios::sync_with_stdio(false);
cin >> n;
f[0] = 1; // 容量为0时,前 i 个物品全不选也是一种方案
for (int i = 1; i <= n; i++)
for (int j = i; j <= n; j++) //完全背包从小到大,01背包从大到小
f[j] = (f[j] + f[j - i]) % MOD;
printf("%d", f[n]);
return 0;
}