【算法】动态规划-背包问题

最新推荐文章于 2022-12-16 10:09:08 发布

UCL4L

最新推荐文章于 2022-12-16 10:09:08 发布

阅读量230

点赞数 1

原文链接：https://blog.csdn.net/weixin_30482027/article/details/112397788?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522161657369016780271519260%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=161657369016780271519260&biz_id=0&ut

版权

本文探讨了动态规划算法在背包问题中的应用，主要讲解了完全背包和多重背包问题。完全背包允许无限数量的物品，通过两重循环实现状态转移的优化。多重背包则涉及物品数量有限制的情况，可以通过拆分物品为零一背包问题来解决，但复杂度较高。文章强调了动态规划在解决这类问题中的核心思想和策略。

摘要由CSDN通过智能技术生成

在动态规划算法中的零一背包问题中，我们知道了所谓的零一背包是指每一种物品只有一个，所以它的状态只有0和1两种，即拿或者不拿。而今天我们要来讨论物品不止有一个的情况，物品不止有一个也分两种，一种是不作任何限制，要多少有多少，这种称为完全背包问题，另一种是依然有个数限制，这种称为多重背包问题。
背包示意图

完全背包

在背包问题当中，背包的容量是状态，而选择哪个物品进行获取则是决策，当我们制定了一个决策之后，背包会从一个状态转移到另一个状态。而动态规划算法就是枚举所有状态和决策，获得所有的状态转移，并且记录这个过程中每个状态能够获得的最优解。
之前我们为了避免物品的重复获取，所以采用了倒叙遍历的方法，如今我们不再对数量进行限制，意味着我们可以自由地采取决策进行转移。要做到这点，就是单纯的两重循环，第一种枚举决策，第二重枚举状态，记录所有转移可能带来的最优解即可。
完全背包就是零一背包的无限制版，从原理上来说，两者的思路和做法基本上是一样的。

多重背包

最简单的方法当然就是将多重背包蜕化成零一背包来解决，比如一个物品最多可以拿N个，我们就把它拆成N种物品，这N种每种物品最多拿一个，相当于我们一种物品可以最多拿N个。这个思路应该很简单，大家都能想明白，但是有个很大的问题，就是复杂度。当然我们可以根据背包的体积做一些优化，比如当物品的数量很多并且超过了背包容量的时候，我们可以把超过容量的数量去掉，但是整体的复杂度还是很高。尤其是当我们背包容量很大的时候。