01背包
n件物品,第i件物品重量w[i],价值c[i],背包容量为V,如何选择物品,使背包内物品总价值最大?【每种物品只有一件】
思路
- 定义dp[i][j]:使用前i种物品,背包容量为V,能装下的最大价值。
- base case:dp[0][…] = 0,dp[…][0] = 0
- 状态转移:
不装第i件物品:dp[i][j] = dp[i-1][j];
装第i件物品:dp[i][j] = dp[i-1][j-w[i]]+c[i];
综上,dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]]+c[i]) 。 - 目标:返回dp[n][V]
for(int i=1; i<=n; i++) {
for(int j=w[i]; j<=V; j++) {
dp[i][j] = Math.max(dp[i-1][j], dp[i-1][j-w[i]]+c[i]);
}
}
return dp[n][V];
空间优化
- 发现dp[i][j]只与dp[i-1][…]有关,因此可压缩为一维数组。
- 改写状态转移公式:dp[j] = max(dp[j], dp[j-w[i]]+c[i])
- 目标:返回dp[V]
- 发现状态转移公式中,dp数组后面的取值依赖于前面的值。为了保证前面物品状态不变的情况下与当前物品进行比较,就必须用背包容量递减的方向进行循环。
int[] dp = new int[V];
for(int i=1; i<=n; i++) {
for(int j=V; j>=w[i]; j--) {
dp[j] = Math.max(dp[j], dp[j-w[i]]+c[i]);
}
}
return dp[V];
完全背包
与01背包的区别不大,只是每件物品有无限个
- 状态转移公式可直观地写成:
dp[i][j] = max(dp[i-1][j], dp[i-1][j-k * w[i]]+k * c[i])
k表示第i件物品放入背包的个数。
但是如果直接在01背包的基础上加一层1…k的循环,计算加入不同件数的物品i得到的总价值,则会提高算法的时间复杂度。因此需想办法优化。
思路
上面01背包中,要对j进行逆序循环[V…w[i]],原因是要保证第j次循环中的dp[j]是由状态dp[j-w[i]]递推而来。也就是说,是为了保证每件物品只选一次,所以在考虑“将第i件物品放入背包”时,依据的是一个没有放过第i件物品的子结果dp[j-w[i]]。
而在完全背包中,每种物品可以选无限件,所以在考虑“将第i件物品放入背包”时,正需要一个可能已选入第i种物品的子结果dp[j-w[i]],所以需要采用j=w[i]…V的顺序循环。即:
int[] dp = new int[V];
for(int i=1; i<=n; i++) {
for(int j=w[i]; j<=V; j++) {
dp[j] = Math.max(dp[j], dp[j-w[i]]+c[i]);
}
}
return dp[V];