网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
| — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — |
| dp | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 |
| 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 1 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
| 2 | 0 | 2 | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 3 |
| 3 | 0 | 2 | 3 | 4 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 |
| 4 | 0 | 2 | 3 | 4 | 10 | 12 | 13 | 14 | 15 | 15 | 15 | 15 | 15 | 15 | 15 | 15 |
| 5 | 0 | 2 | 3 | 4 | 10 | 12 | 13 | 14 | 15 | 15 | 15 | 15 | 15 | 15 | 15 | 15 |
(4)状态转移解释,以第4行为例:
当背包容量为0时,考虑物品(1,2,3,4),最大价值为0
当背包容量为1时,考虑物品(1,2,3,4),最大价值为2,装物品2
当背包容量为2时,考虑物品(1,2,3,4),最大价值为3,装物品1和物品2
当背包容量为3时,考虑物品(1,2,3,4),最大价值为4,装物品2和物品3
当背包容量为4时,考虑物品(1,2,3,4),最大价值为10,装物品4
此时 i = 4, j = 4, max_i = dp[i-1][j] = dp[3][4] = 5, 装物品1和物品2和物品3
此时 j = 4 >= w[i-1] = 4
因此 dp[i-1][j-w[i-1]] + v[i-1] = dp[3][0] + v[3] = 0 + 10 = 10
因此 max(max_i, dp[i-1][j-w[i-1]] + v[i-1]) = max(5, 10) = 10
因此 dp[4][4] = 10
状态解释为:当容量足够考虑装入物品4时,将物品4装入,并加上剩余空间所能装入的最大值dp[3][0]与前基准dp[4][3]即没有考虑物品4时的状态最大值进行比较,取最大。
文字解释:整体最优 = max(不考虑物品4时的最优解,考虑物品4时的最优解)
dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i-1]] + v[i-1])
代码
w = [1, 1, 2, 4, 12]
v = [1, 2, 2, 10, 4]
n = 15
m = len(w)
dp = [[0]*(n+1) for _ in range(m+1)]
for i in range(1, m+1):
for j in range(1, n+1):
max_i = dp[i-1][j]
if j >= w[i-1]:
max_i = max(max_i, dp[i-1][j-w[i-1]] + v[i-1])
dp[i][j] = max_i
print(dp[m][n])
总结
最终得到结果,装入物品1,物品2,物品3,物品4的价值最大,为15$。
进阶
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!