01背包问题

本文详细介绍了01背包问题的二维状态和一维状态表示,探讨了如何通过状态压缩将二维状态优化为一维。在01背包问题中,二维状态f[i][j]表示在前i个物品中选取,总体积不超过j时的最大价值。而一维状态优化的关键在于每次计算只依赖前一层状态,因此可以省去一维。在反向枚举体积的过程中,确保状态转移方程正确。这种方法提高了空间效率,是动态规划在解决背包问题时的一个重要技巧。
摘要由CSDN通过智能技术生成

01 01 01背包问题的二维状态

状态定义 f [ i ] [ j ] f[i][j] f[i][j]: 在前 i i i 个物品中选, 并且总体积不超过 j j j 的集合
状态属性: 价值的最大值
状态计算:
1.选第 i i i 个物品 f [ i ] [ j ] = m a x ( f [ i ] [ j ] , f [ i − 1 ] [ j − v [ i ] ] ) ; f[i][j] = max(f[i][j], f[i - 1][j - v[i]]); f[i][j]=max(f[i][j],f[i1][jv[i]]);
2.不选第 i i i 个物品 f [ i ] [ j ] = m a x ( f [ i ] [ j ] , f [ i − 1 ] [ j ] ) ; f[i][j] = max(f[i][j], f[i - 1][j]); f[i][j]=max(f[i][j],f[i1][j]);

for(int i = 1; i <= n; i ++ ) 
    for(int j = 1; j <= m; j ++ )
    {
        f[i][j] = f[i - 1][j];
        if(j >= v[i])
         f[i][j] = max(f[i - 1][j], f[i - 1][j - v[i]] + w[i]);
    }

01 01 01 背包的一维状态
问题 1 1 1: 为什么能够优化到一维?
解答 1 1 1: 因为每次计算第i层状态时都用到的是第 i − 1 i-1 i1层状态所以可以将这一维省去,但是枚举体积时必须要反向枚举,原因是如果我们从小到大枚举,当前枚举到了 j j j 时,此时 j j j 左边的状态是第 i i i 层状态,但是我们原状态转移方程所用到的是第 i − 1 i-1 i1 层的状态,与要求不符,所以必须从大到小枚举
在这里插入图片描述

for(int i = 1; i <= n; i ++ ) 
    for(int j = m; j >= v[i]; j -- )
         f[j] = max(f[j], f[j - v[i]] + w[i]);
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

广西小蒟蒻

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值