目录
前言
网上的背包问题已经写了很多,但是感觉不是很详细,很多细节虽然提了一下,但是没有讲透彻,因此我写下这篇笔记。
——————————————————————————————————————
背包问题(knapsack problem)是一个非常典型的考察动态规划应用的题目,对其加上不同的限制和条件,可以衍生出诸多变种,若要全面理解动态规划,就必须对背包问题了如指掌。
01背包问题
最基本问题描述指01背包问题:
一共有N件物品,第i(i从1开始)件物品的重量为w[i],价值为v[i]。在总重量不超过背包承载上限C的情况下,能够装入背包的最大价值是多少?
暴力法
我们的目标是书包内物品的总价值,而变量是物品和书包的限重,所以我们可定义状态dp:
dp[i][j] 表示将前i件物品装进限重为j的背包可以获得的最大价值, 0<=i<=N, 0<=j<=W
首先将dp[0][0]、dp[0][1]....dp[0][W]
初始化为0,表示将前0个物品(即没有物品)装入书包的最大价值为0。那么当 i > 0 时dp[i][j]
有两种情况:
- 1 不装入第i件物品,即
dp[i−1][j]
; - 2 装入第i件物品(前提是能装下),即
dp[i−1][j−w[i]] + v[i]
。
即状态转移方程为:
dp[i][j] = max(dp[i−1][j], dp[i−1][j−w[i]]+v[i]) // j >= w[i]
注意这里要保证j>=w[i]
,因此我们可以得到:
int knapsack(vector<int> v, vector<int> w, int n, int C )
{
//初始化dp的值为0
vector<vector<int> > dp(n, vector<int>(C + 1,0));
for(int i = 1; i < =n; i++){
for(int j = 1; j <= C ; j++){
if(j < w[i]){
dp[i][j] = f[i - 1][j]
}
else{
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i]] + v[i]);
}
}
}
return dp[n ][C];
}
此时的时间和空间复杂度都是O(nC)
空间优化
我们来看一下这个程序是怎么运行的,如图所示,
N=5,C=11, value ={1,6,18,22,28},weight={1,2,5,6,7}
程序首先求dp[1][1]=1, dp[1][2]=1......dp[1][11]=1
这一行的数据&#x