01背包 动态规划 python

题目

给定一组物品大小及其对应的价值，求背包大小固定的小偷能获得的最大收益是多少

思路

贪心不能保证收益最大
动态规划递推式：

c[i, w]表示到第i个物品为止，在总空间为w的情况下，能得到的最优解（选或者不选第i个物品）
创建二维数组来表示c[i,w]，其中i最大值为物品个数，w最大值为背包总大小，起始值为0，因此是一个(n+1)*(w+1)的二维数组。

代码

def packege(v,w,m,n):
	# v价值，w物品大小，m背包大小，n物品个数
	res = [[0 for i in range(m)]for i in range(n)]
	for i in range(1, n+1):
		for j in range(1, m+1):
			if w[i] <= j:
				res[i][j] = max(res[i-1][j-w[i]]+v[i], res[i-1][j])
			else:
				res[i][j] = res[i-1][j]
	return res[-1][-1]	

改进

每一次V(i)(j)改变的值只与V(i-1)(x) {x:1…j}有关，V(i-1)(x)是前一次i循环保存下来的值；因此，可以将V缩减成一维数组，从而达到优化空间的目的。

只用一维数组[0,…,m]来实现上面的递推表达式，也就是在第i次循环结束时，数组中存储的是二维数组的[i][0,…,w,…,m]

每一次推导V(i)(j)是通过V(i-1)(j-w(i))来推导的，所以一维数组中j的扫描顺序应该从大到小(capacity到0)，否者前一次循环保存下来的值将会被修改，从而造成错误。因此要逆序遍历数组。

优化后空间复杂度降为O(m)，时间复杂度还是O(n*m)

def packege2(v,w,m,n):
	res = [0]*(m+1)
	for i in range(1,n+1):
		for j in range(m,0,-1):
			if w[i] <= j:
				res[j] = max(res[j], res[j-w[i]]+v[i])
	return res[-1] 

再次优化

	for i in range(1,n+1):
		for j in range(m,w[i]-1,-1): # 放不下就不用更新了
			res[j] = max(res[j], res[j-w[i]]+v[i])