学习了dd大佬的背包九讲之后,
个人的一些学习笔记以及一些看法。
第一讲:01背包问题
/*
dp[i][j] 表示前i个物品,容量为j的时候,最大的价值
思路:
将前i件物品放入容量为v的背包中求最大价值这个问题,若只考虑第i件物品的策略(放或不放),
那么问题就可以转换成涉及前i-1的物品的问题。
此时有两种情况,
1、不放第i件物品,那么问题就转换为前i-1件物品放入容量为j的背包中,价值为dp[i-1][j];
2、放入第i件物品,那么问题就转换为前i-1件物品放入容量为(j-(第i件物品的重量v[i]))的背包中,价值为dp[i-1][j-v[i]]+w[i]
选择这两种情况中价值最大的一种,就是当前前i个物品,容量为j的时候,最大的价值。
状态转移方程:
dp[i][j]=max(dp[i-1][j],dp[i-1][j-v[i]]+w[i])
*/
#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;
vector<int> _v(1010,0);
vector<int> _w(1010,0);
vector<vector<int>> dp(1010, vector<int>(1010, 0));
int main()
{
int N, V;
cin >> N;
cin >> V;
for (int i = 1; i <= N; ++i)
{
int mid;
cin >> _v[i];
cin >> _w[i];
}
for (int i = 1; i <= N; ++i)
{
for (int j = 1; j <= V; ++j)
{
if (_v[i] <= j)
{
//dp[i][j]=max(dp[i-1][j],dp[i-1][j-v[i]]+w[i])
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - _v[i]] + _w[i]);
}
else
dp[i][j] = dp[i - 1][j];
}
}
cout << dp[N][V];
return 0;
}
空间复杂度进行优化:
优化之前,dp是一个二维数组
因为每次循环,都是线性走一遍二维数组中的第i-1个一维数组,
与其他维度的数组无关,所以可以考虑将dp设置为一维数组
同时,数组的遍历修改应该反转一下,从后往前,这样可以保证在不影响前面元素的情况下,用 i 轮的数据覆盖 i-1 轮的数据 for(int j=V;i>0;–j)
/*
dp[i][j] 表示前i个物品,容量为j的时候,最大的价值
思路:
将前i件物品放入容量为v的背包中求最大价值这个问题,若只考虑第i件物品的策略(放或不放),
那么问题就可以转换成涉及前i-1的物品的问题。
此时有两种情况,
1、不放第i件物品,那么问题就转换为前i-1件物品放入容量为j的背包中,价值为dp[i-1][j];
2、放入第i件物品,那么问题就转换为前i-1件物品放入容量为(j-(第i件物品的重量v[i]))的背包中,价值为dp[i-1][j-v[i]]+w[i]
选择这两种情况中价值最大的一种,就是当前前i个物品,容量为j的时候,最大的价值。
状态转移方程:
dp[i][j]=max(dp[i-1][j],dp[i-1][j-v[i]]+w[i])
*/
#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;
vector<int> _v(1010,0);
vector<int> _w(1010,0);
vector<int> dp(1010,0);
int main()
{
int N, V;
cin >> N;
cin >> V;
for (int i = 1; i <= N; ++i)
{
cin >> _v[i];
cin >> _w[i];
}
for (int i = 1; i <= N; ++i)
{
for (int j = V; j >0; --j)
{
if (_v[i] <= j)
{
//dp[i][j]=max(dp[i-1][j],dp[i-1][j-v[i]]+w[i])
dp[j] = max(dp[j], dp[j - _v[i]] + _w[i]);
}
}
}
cout << dp[V];
return 0;
}