动态规划dp问题之背包问题(0-1 完全)

最新推荐文章于 2024-07-06 10:22:40 发布

ggaoda

最新推荐文章于 2024-07-06 10:22:40 发布

阅读量388

点赞数

分类专栏：动态规划(dp) 文章标签：数据结构 c++ 算法动态规划

本文链接：https://blog.csdn.net/Gundam103/article/details/124453125

版权

本文介绍了动态规划在解决0-1背包和完全背包问题的应用。0-1背包问题中，物品的迭代在外层，体积或价值逆向遍历；完全背包问题中，物品的迭代在内层，体积或价值正向遍历。文章提供了状态转移方程，并讨论了空间优化策略。

摘要由CSDN通过智能技术生成

动态规划(dp)

背包问题

0-1背包

0-1背包问题是一种组合优化的 NP 完全问题：有 N 个物品和容量为 W 的背包，每个物品都有自己的体积 w 和价值 v，求拿哪些物品可以使得背包所装下物品的总价值最大。如果限定每种物品只能选择 0 个或 1 个，则问题称为 0-1 背包问题；如果不限定每种物品的数量，则问题称为无界背包问题或完全背包问题。

解决办法:

用动态规划来解决背包问题。以 0-1 背包问题为例。我们可以定义一个二维数组 dp存储最大价值，其中 dp[i][j] 表示前 i 件物品体积不超过 j 的情况下能达到的最大价值。在我们遍历到第 i 件物品时，在当前背包总容量为j的情况下，如果我们不将物品 i 放入背包，那么 dp[i][j]= dp[i-1][j]，即前 i 个物品的最大价值等于只取前 i-1 个物品时的最大价值；如果我们将物品 i 放入背包，假设第 i 件物品体积为 w，价值为 v，那么我们得到 dp[i][j] = dp[i-1][j-w] + v。我们只需在遍历过程中对这两种情况取最大值即可，总时间复杂度和空间复杂度都为 O(NW)。

代码：

int knapsack(vector<int> weights, vector<int> values, int N, int W)
{
   
    vector<vector<int>> dp(N + 1, vector<int>(W + 1, 0));   //dp空间二维vector
    for (int i = 1; i <= N; ++i)                    //遍历N件物品
    {
   
        int w = weights[i-1], v = values[i-1];          //初始化从0
        for (int j = 1; j