【动态规划】 背包问题整理

数据结构与算法

背包问题02

题目类型描述： 给定一组物品，每种物品都有自己的重量和价格，在限定的总重量内，我们如何选择，才能使得物品的总价格最高（from 百度百科）。

具象理解：

假设背包总容量top_weight为10，现共有四样物品（每样各一个），他们的重量和价格分别为：

抽象建模：

       我们可以构建一个二维数组（或两个数组），在第一行存储各个物品的价格，第二行存储其重量，接下来电脑要做的事情就是根据我们给出的top_weight，从这n个物品中给出方案。

前言：

       依然是和上一期一样的问题，其中最后提出的方法优化后时间复杂度为O(c*n)。我们先回顾一下自下而上填表法：
       首先构建这样一个5行11列的表格：

       其中添加了i=0和j=0的情况（i，j各自表示可取前i个物品，背包剩余可容纳重量为j）是方便我们填表，减少空指针报错的可能。i=2,j=3时，res[2][3]=Math.max(res[2-1][3], res[2-1][3-3]+Value(2)),Value(2)表示2号物品的价格，该式左半部分表示不选择2号物品（只能选1号），右半部分表示剩余空间为3，选择2号物品后，虽然还可选一个物品，但没有空间剩余，记得加上2号的价格。

       只是这样讲确实没什么意思，但后来我重新看了一遍该算法后，不知道你们有没有和我一样的发现：在我们自下而上逐步填表的时候，往往只需要知道其上一行的内容就足够解决问题！如下：

res[m][n]=(n<ws[m]) ? res[m-1][n] : Math.max(res[m-1][n], res[m-1][n-ws[m]]+vs[m]);

解释：

       我们在之前用ws和vs存储0~4号物品的质量和价格（0号物品的质量价格均为0，0号物品的添加理由同5*11列表的构建），m和n表示各自所在m行n列。
       在我们给res[m][n]赋值的时候，根据上面的代码，我们只用到了res[m-1]行的内容，那么，我们完全没必要创建二维数组啊。

原代码：

package KnapsackProbleminDynamicProgramming;