贪心算法解决部分背包问题详解

1. 部分背包问题解析与贪心算法实现

作为一名算法竞赛选手，我经常遇到背包问题的各种变种。今天要讨论的部分背包问题（Fractional Knapsack Problem）是其中最基础也最实用的一个版本。与0-1背包不同，它允许物品被分割，这使得贪心算法成为可能。下面我将详细解析这个问题，并分享我的解题思路和代码实现经验。

2. 问题理解与建模

2.1 问题描述重述

阿里巴巴进入藏宝洞，发现N堆金币（N≤100），每堆金币有重量mᵢ和价值vᵢ（1≤mᵢ,vᵢ≤100）。他有一个承重为T（T≤1000）的背包，可以带走部分金币堆（可以分割）。目标是最大化带走金币的总价值。

关键点：

• 金币可以分割（与0-1背包问题不同）
• 需要计算单位重量的价值（性价比）
• 输出保留两位小数

2.2 问题特性分析

部分背包问题的特殊性质决定了它的解法：

1. 可分性：物品可以按任意比例分割
2. 局部最优性：当前最优选择能导致全局最优解
3. 无后效性：选择不影响后续决策

这些特性使得贪心算法成为解决此问题的理想选择。

3. 贪心算法设计

3.1 算法核心思想

贪心策略的本质是：每次选择当前看来最优的选择。对于部分背包问题，最优策略是：

1. 计算每堆金币的单位价值（vᵢ/mᵢ）
2. 按单位价值从高到低排序
3. 依次装入背包，能装整堆就全装，不能装就装部分

3.2 数学证明

为什么这个策略能得到最优解？我们可以用交换论证法证明：

假设存在一个最优解O与我们的贪心解G不同。找到第一个不同的选择点，在这一点上O选择了单位价值较低的金币。我们可以用G的选择替换O的选择，这样总价值不会减少（因为G选择的是单位价值更高的）。重复这个过程，最终O会被转化为G，且总价值不会降低。

4. 代码实现详解

4.1 数据结构设计

cpp复制struct GoldPile {
    double m;  // 重量
    double v;  // 价值
};

使用结构体存储每堆金币的重量和价值，方便后续处理。注意使用double类型以支持分割计算。

4.2 关键算法步骤

1. 输入处理：

cpp复制cin >> n >> t;
go