算法基础——动态规划和01背包问题

算法基础——动态规划和01背包问题

编辑时间：2023/11/1
问题描述
01背包问题是指一个限容量的背包，和具有价值和重量的物品，每个物品只有一件，求装入背包里最大价值。
区别：完全背包指一个限容量的背包，和具有价值和重量的物品，每个物品只有无限件，求装入背包里最大价值。
本问题为，物品序列<物品,重量，价值>,分别是a<a,2,3>b<b,3,5>c<c,4,6>
解题思路
暴力算法：枚举方法时间复杂度为O（n^2）
动态规划算法：

算法分析
01背包问题dp算法伪代码如下：
for i = 1…n
for w = W…w[i] // 注意循环次序
c[w] = max{c[w], c[w - w[i]] + v[i]}123

//递推公式
dp[i][j]
其中[0,i]//表示物品在任取容量为j的背包
//不放物品
dp[i-1][j]
//放物品
dp[i-1][j-weight[i]]+value[i]

//最终
dp[i][j]=math.Max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i])

时间与空间复杂度分析
时间复杂度：
01背包问题的时间复杂度为O(NW)，其中N为物品数量，W为背包容量。这是因为在求解过程中，需要对每个物品进行一次判断，对于每个物品，需要遍历一遍背包容量，因此总时间复杂度为O(NW)。
空间复杂度：
01背包问题的空间复杂度为O(W)，因为在求解过程中，只需要维护一个一维数组来存储当前背包容量下的最大价值，因此空间复杂度为O(W)。
总结
01背包问题是背包问题中的一种，主要分为三类问题：背包是否可以装满问题、背包最多能装多少问题和有几种方式装满背包问题。其中，01背包问题的一维和二维写法只差了一个遍历的顺序，01背包使用逆序遍历，完全背包使用顺序遍历。多重背包问题则需要使用二维数组进行解决。在解决01背包问题时，需要注意背包的容量和物品的重量，以及物品的价值。在实际应用中，01背包问题可以用于资源分配、投资决策等方面。