剑指 Offer 47. 礼物的最大价值 两种解法-带备忘录的递归实现DFS和 动态规划

在一个 m*n 的棋盘的每一格都放有一个礼物,每个礼物都有一定的价值(价值大于 0)。你可以从棋盘的左上角开始拿格子里的礼物,并每次向右或者向下移动一格、直到到达棋盘的右下角。给定一个棋盘及其上面的礼物的价值,请计算你最多能拿到多少价值的礼物?

示例 1:

输入:
[
[1,3,1],
[1,5,1],
[4,2,1]
]
输出: 12
解释: 路径 1→3→5→2→1 可以拿到最多价值的礼物

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/li-wu-de-zui-da-jie-zhi-lcof

带备忘录的递归函数实现DFS

每次向左或者向下走,形成一棵树
每个结点表示该结点及之后可以得到的最大增量
备忘录实现剪枝
D(i,j) =max(D(i+1,j),D(i,j+1))+grid[i][j]
在这里插入图片描述

def solve(grid):
    # grid = [[1,2,3],[4,5,6],[7,8,9]]
    global m
    global n
    m = len(grid)
    n = len(grid[0])
    memor = {}
    def DFS(grid, i, j):
        '''
        :return 某个结点后面产生的最大增量
        :param grid:
        :param i:
        :param j:
        :return:
        '''
        if (i, j) in memor: return memor[(i, j)]
        if i >= m or j >= n: return 0
        if i==m-1 and j==n-1:
            return grid[i][j]
        maxtp = max(DFS(grid,i+1,j),DFS(grid,i,j+1),)+ grid[i][j]
        memor[(i, j)] = maxtp
        return memor[(i, j)]
    return DFS(grid,0,0)

动态规划-原数组直接修改成dp数组

先把边缘相关的dp数组赋值
选择前面最大的路径开始走

dp[i][j] = max(dp[i-1][j],dp[i][j-1])+dp[i][j]
def solve(grid):
    # grid = [[1,2,3],[4,5,6],[7,8,9]]
    global m
    global n
    m = len(grid)
    n = len(grid[0])
    dp = grid
    j=0
    temp = 0
    for i in range(m):
        temp += grid[i][j]
        dp[i][0]=temp
    i=0
    temp = 0
    for j in range(n):
        temp += grid[i][j]
        dp[0][j]=temp
    for i in range(1,m):
        for j in range(1,n):
            dp[i][j]= max(dp[i-1][j],dp[i][j-1])+grid[i][j]
    return dp[m-1][n-1]
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
0-1背包问题是一个经典的动态规划问题,可以用归、备忘录动态规划三种方法来求解。 归法: 归法是最直观的方法,但是由于存在大量的重复计算,效率较低。归方法的核心思想是将问题转化为规模更小的子问题逐步求解,最终得到原问题的解。 下面是归方法的Python代码实现: ```python def knapsack_recursion(w, v, c, i): if i == 0 or c == 0: # 背包容量为0或者物品数量为0时,价值为0 return 0 elif w[i] > c: # 当前物品重量大于背包容量,不放入背包 return knapsack_recursion(w, v, c, i-1) else: # 取最大值:放入当前物品或者不放入当前物品 return max(knapsack_recursion(w, v, c, i-1), v[i]+knapsack_recursion(w, v, c-w[i], i-1)) ``` 备忘录法: 为了避免归方法中的重复计算,可以使用备忘录法。备忘录法的核心思想是在归的过程中,将已经计算过的结果保存下来,下次需要用到时直接返回结果,避免重复计算。 下面是备忘录法的Python代码实现: ```python def knapsack_memorandum(w, v, c, i, memo): if memo[i][c] != -1: # 如果已经计算过,直接返回结果 return memo[i][c] if i == 0 or c == 0: memo[i][c] = 0 elif w[i] > c: memo[i][c] = knapsack_memorandum(w, v, c, i-1, memo) else: memo[i][c] = max(knapsack_memorandum(w, v, c, i-1, memo), v[i]+knapsack_memorandum(w, v, c-w[i], i-1, memo)) return memo[i][c] ``` 动态规划法: 动态规划法是最优解的方法,它的核心思想是将问题划分为多个子问题,通过计算并保存子问题的结果,逐步推导出原问题的解。动态规划法通常采用二维数组来保存子问题的结果。 下面是动态规划法的Python代码实现: ```python def knapsack_dp(w, v, c, n): dp = [[0]*(c+1) for i in range(n+1)] for i in range(1, n+1): for j in range(1, c+1): if w[i] > j: dp[i][j] = dp[i-1][j] else: dp[i][j] = max(dp[i-1][j], v[i]+dp[i-1][j-w[i]]) return dp[n][c] ``` 以上三种方法的时间复杂度分别为: - 归法:$O(2^n)$ - 备忘录法:$O(nc)$ - 动态规划法:$O(nc)$ 其中,$n$ 表示物品的数量,$c$ 表示背包的容量。可以发现,归法的复杂度最高,备忘录法和动态规划法的复杂度相同,但是备忘录法需要额外的空间来保存结果。因此,动态规划法是最优解的方法。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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