DAY45：动态规划（六）背包问题优化：一维DP解决01背包问题

大磕学家ZYX

已于 2023-08-01 18:32:59 修改

阅读量596

点赞数 1

分类专栏：算法模板与专题整理刷题记录文章标签：动态规划算法 c++ leetcode

于 2023-07-12 20:09:05 首次发布

本文链接：https://blog.csdn.net/cfy1226/article/details/131689417

版权

文章目录

一维DP数组的解法

背包最大重量为4。

物品重量和价值为：

在这里插入图片描述
问背包能背的物品最大价值是多少？

在我们使用二维DP数组的时候，递推公式是dp[i][j]=max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i]).

如果要降为一维DP数组，就是用dp[j]来表示递推。这里用j是为了j的含义和二维DP数组保持一致，下标含义都是背包的容量。

二维DP递推思路

原始的二维DP状态转移方程是：dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i])。

这个方程意味着，对于第i个物品和当前背包容量j，我们要么选择放入这个物品，要么不放。如果放入这个物品，就需要看在容量为j-weight[i]时，放入前i-1个物品的最大价值（也就是dp[i - 1][j - weight[i]] + value[i]），如果不放入这个物品，就是dp[i - 1][j]。然后取这两者之间的最大值。

二维背包DP数组情况示例如下图所示。

在这里插入图片描述
我们其实可以发现，如果把dp[i - 1]那一层拷贝到dp[i]上，表达式完全可以是：dp[i][j] = max(dp[i][j], dp[i][j - weight[i]] + value[i]);，与其把dp[i - 1]这一层拷贝到dp[i]上，不如只用一个一维数组了，只用dp[j]（一维数组，也可以理解是一个滚动数组）。

滚动数组优化思路（重要）

leetcode题目343.整数拆分里，其实有类似滚动数组的思想。整数拆分题目代码：

class Solution {
   
public:
    int integerBreak(int n) {
   
        //DP数组建立，注意数组本身容量赋值
        vector<int>dp(n+1,0);
        //初始化
        dp[2]=1;
        for(int i=3;i<=n;i++){
   
            for(int j=1;j<=i-1;j++){
   
                dp[i]=max(dp[i],max(j*(i-j),j*dp[i-j])