背包问题

• 背包有最大承重，商店中的每种物品都有价值与重量两个属性，基于此提出各种问题：装下最多重量物品、装下最大总价值物品、有多少种方式正好带走满满一书包物品等等。

 

• Backpack，最简单的题型是背包中的物品能不能拼出重量target，求出最大的target，背包问题中，数组大小与总承重有关，背包问题要把总承重放入状态！这是很特殊的一个地方。要求前N个物品能不能拼出重量0,1，...，M，子问题是需要知道前N-1个物品能不能拼出重量0,1，...，M，由此得出状态f[i][w] =  能否用前i个物品拼出重量w（true/false）。转移方程如下：

 

                  

               

 

• Backpack5，题目改成有多少种方式拼出target，要求前N个物品有多少种方式拼出重量0,1，...，targer,需要知道前N-1个物品有多少种方式拼出重量0,1,...，target,状态设f[i][w] = 用前i个物品有多少种方式拼出重量w，转移方程如下：

               

 

这里提出了一种空间优化的方法，基于原有的思路，可以开辟一个两行的数组进行优化，当采用从后往前的方式进行计算时，不会出现覆盖的情况，所以这里可以进一步优化。代码：

 

         

 

• Backpack6，与上面题目的区别是每个重量可以重复用多次，这里需要回到一维的思路，类似于Coin Change，这里的最后一步是枚举如果最后一个物品的重量是A0，...An-1，则要求有多少种组合能拼成Target - A0，..Target - An-1，状态是f[i] = 有多少种组合能拼出重量i,转移方程如下：

 

                   

这里的边界情况要注意一下，如下：

 

          

 

       

 

• Backpack2，背包有最大承重，每个商品有着各自不同的价值，求背包中能放入的最大价值的物品。如果对于每个总重量，我们能知道对应的最大价值是多少，就能通过一个for循环找出答案，所以这里的状态也是从总承重的角度考虑（即重量作为数组下标，价值作为数组元素），当然也会存在某些重量拼不出来的情况，可以设为无穷小。对于背包问题，最后一步的考虑方式有两种：最后一个物品是否进入背包，以及最后进入背包的物品是哪一个！这里在实际编程时使用了一维数组进行空间优化，需要注意的是当使用一位数组时，要从后往前做，倒着计算。状态和转移方程如下：

 

                   

初始条件和边界情况：

 

         

 

核心代码：

 

               

 

•  Backpack3，与上一题的区别在于每种物品都有无穷多个。从性价比的角度考虑，由于物品不能切割，所以不能使用贪心算法进行计算。状态和转移方程可以根据上一题时进行修改，即最后一个物品进入背包几次，如下：

 

                 

 

通过画矩阵以及距离分析的方法，目标是能否减少枚举过程中的重复计算，简化之后的转移方程如下：

 

        

 

对于数组空间的优化，通过观察转移方程中计算的顺序，可以将一个二维问题降至一维求解，只不过这里与上面一题的区别在于计算顺序可以从前往后了，代码的修改也是只需要修改计算顺序那一部分。