01.算法-背包问题(动态规划dp)

01背包 knapsack problem

第一行两个整数 N 和V，分别表示物品个数和背包体积。
后面的表示物品的体积和价值
求最多装的物品的价值? 恰好装满包的最大的价值,没有的话返回0?

f[i][j]  前 i 件物品, 背包容量 j 下的最优解

    let first = await readline();
    let [N, V] = first.split(" ").map(Number);
    let weight = [];
    let value = [];
    let dp1 = [0];
    let dp2 = [0];
    while ((line = await readline())) {
        let tokens = line.split(" ");
        weight.push(+tokens[0]);
        value.push(+tokens[1]);
    }

    for(let i = 0; i < V; i++){
        dp1.push(0)
        dp2.push(-Infinity)
    }

    for (let n = 0; n < N; n++) {
        for (let v = V; v >= weight[n]; v--) {            
            dp1[v] = Math.max(dp1[v], dp1[v-weight[n]] + value[n])
            dp2[v] = Math.max(dp2[v], dp2[v-weight[n]]+ value[n])
        }
    }
    console.log(dp1[V]) // 求最大的价值
    console.log(dp2[V] > 0 ? dp2[V] : 0) // 

完全背包

你有一个背包，最多能容纳的体积是V。

现在有n种物品，每种物品有任意多个…

    let first = await readline();
    let [N, V] = first.split(" ").map(Number);
    let weight = [];
    let value = [];
    let dp1 = [0];
    let dp2 = [0];
    while ((line = await readline())) {
        let tokens = line.split(" ");
        weight.push(+tokens[0]);
        value.push(+tokens[1]);
    }

    for (let i = 0; i < V; i++) {
        dp1.push(0);
        dp2.push(-Infinity);
    }

    for (let n = 0; n < N; n++) {
        for (let v = 1; v <= V; v++) {
            if (v >= weight[n]) {
                dp1[v] = Math.max(dp1[v], dp1[v - weight[n]] + value[n]);

                dp2[v] = Math.max(dp2[v], dp2[v - weight[n]] + value[n]);
            }
        }
    }
    console.log(dp1[V]); // 求最大的价值
    console.log(dp2[V] > 0 ? dp2[V] : 0); //

贪心算法VS 动态

1.贪心最快,但是不是最高效的

找零问题

解题步骤

3. verify the inputs/problem 验证问题
4. derive a verbal solution 得出口头的解决方案
5. pseudo code 伪代码
6. derive time complexity and improve your solution

简化问题的方法 ways of simplifying a problem

1. 分解问题
2. console.log 或者 breakpoints 来验证变量
3. 利用变量(对象,数组) 不要担心空间复杂度.

JavaScript算法