关于01背包问题,完全背包问题,这里就不过多阐述。这里只是总结一下这两个问题的二维数组,一维数组的两种表达方式。
为什么要用一位数组,两个原因:1.节约空间(二维变一维)2.时间复杂度降为线性。
直接上代码,如果对01背包问题,完全背包问题有问题的推荐看一下《背包九讲》和其他博客。
- 背包九讲:https://github.com/tianyicui/pack
- 01背包问题可视化的网站:http://karaffeltut.com/NEWKaraffeltutCom/Knapsack/knapsack.html
(这个是真的好用,你只要输入条件就给你画出所有的情况) - 挺详细的一个博客:https://blog.csdn.net/na_beginning/article/details/62884939
切入正题,进行代码总结:
01背包问题:
二维数组:
void FindMax()//动态规划
{
int i,j;
//填表
for(i=1;i<=number;i++)
{
for(j=1;j<=capacity;j++)
{
if(j<w[i])//包装不进
{
V[i][j]=V[i-1][j];
}
else//能装
{
if(V[i-1][j]>V[i-1][j-w[i]]+v[i])//不装价值大
{
V[i][j]=V[i-1][j];
}
else//前i-1个物品的最优解与第i个物品的价值之和更大
{
V[i][j]=V[i-1][j-w[i]]+v[i];
}
}
}
}
}
一维数组:
void FindMaxBetter()//优化空间后的动态规划
{
int i,j;
for(i=1;i<=number;i++)
{
for(j=capacity;j>=w[i];j--)
{
if(B[j]<=B[j-w[i]]+v[i])//二维变一维
{
B[j]=B[j-w[i]]+v[i];
}
}
}
}
在背包九讲里面给出一个小tip:
求恰好装满背包,初始化B[0] = 0,其他都是-∞。
若是求最大价值,初始化B[0-N]都是0。
完全背包问题:
多了个任何物体都可以无限用的条件。
二维数组:(与01背包问题不同在代码里标出)
void FindMax()//动态规划
{
int i,j;
//填表
for(i=1;i<=number;i++)
{
for(j=1;j<=capacity;j++)
{
if(j<w[i])//包装不进
{
V[i][j]=V[i-1][j];
}
else//能装
{
if(V[i-1][j]>V[i][j-w[i]]+v[i])//不装价值大
{
V[i][j]=V[i-1][j];
}
else//这里与01有不同之处,其他一样
{
V[i][j]=V[i][j-w[i]]+v[i];
}
}
}
}
}
一维数组:(跟01背包有点不同是正着来,切从w[i]开始)
void FindMaxBetter()//优化空间后的动态规划
{
int i,j;
for(i=1;i<=number;i++)
{
for(j=w[i];j<=capacity;j++)
{
if(B[j]<=B[j-w[i]]+v[i])//二维变一维
{
B[j]=B[j-w[i]]+v[i];
}
}
}
}