动态规划
每个问题都可以划分为几个阶段去分段进行
这些阶段即为子问题
而每个子问题都有最优解
最后得到的全局最优解 在子问题中也定为最优解
每个阶段我们会有一个状态转移方程
由k阶段到k+1阶段状态的演变规律,称为状态转移方程。
以装箱问题为例
要求n个物品中,任取若干个装入箱内,使总价值最大。
对于每一个物体,都有两种状态:装 与不装
因为每个物体,都有装与不装两种选择,所以我们得到状态转移方程:
dp[j]=max(dp[j],dp[j-w[i]]+w[i]);
dp[j] :当总容量为 j 时,不放第 i 件物品,所能装的最大体积。
dp[j-w[i]]+w[i] :当总容量为 j 时,放了第 i 件物品后,所能装的最大体积。(即 j减去第 i 件物品体积 的容量能装的最大体积+第 i 件物品的体积。w[i] 为第 i 件物品体积)
(这里我们运用的是动态规划 )
但是我觉得其实这就是01背包啊
没有什么本质的区别
就是打模版啦
现在来总结下
我们发现简单的dp就只有这几种模板–
①01背包问题(无优化):
for(i=1;i<=n;i++)
for(j=cost[i];j<=V;j++){
dp[i][j]=max(dp[i-1][j-cost[i]]+val[i],dp[i-1][j]);
//当前物品,放还是不放
}
②01背包问题(1维优化):
//dp[j]表示体积为j的时候的最大价值
for(i=1;i<=n;i++)
for(j=V;j>=cost[i];j--)
dp[j]=max(dp[j],dp[j-cost[i]]+val[i]);
③完全背包:
for (int i = 1; i <= 5; i++)
for (int j = w[i]; j <= 10;j++)
dp[j] = max(dp[j],dp[j - w[i]] + v[i]);
④多重背包问题:
for(int i=1; i<=n; i++) {
if(w[i]*a[i]>m) {
for(int c=0; c<=m; c++) {
if(c>=w[i]) f[c]=max(f[c],f[c-w[i]]+v[i]);
}
} else {
k=1;
amount=a[i];
while(k<amount) {
for(int c=k*w[i]; c>=0; c--) {
if(c>=w[i]) f[c]=max(f[c],f[c-w[i]]+k*v[i]);
}
amount-=k;
k<<=1;
}
for(int c=amount*w[i]; c>=0; c--) {
f[c]=max(f[c],f[c-w[i]]+amount*v[i]);
}
}
}
好了今天就到此为止吧
经过简单的学习 我们对背包有了一个初步了解
然后呢
想要深入了解一下背包的小盆友们建议去看看背包九讲
强烈安利!!!