题目
一个背包有一定的承重cap,有N件物品,每件都有自己的价值,记录在数组v中,也都有自己的重量,记录在数组w中,每件物品只能选择要装入背包还是不装入背包,要求在不超过背包承重的前提下,选出物品的总价值最大。给定物品的重量w价值v及物品数n和承重cap。请返回最大总价值。
分析:主要是里有那个动态规划的思想,判断当前物品是否能添加到背包中。但马如下:
public int maxValue(int[] w, int[] v, int n, int cap) {
// write code here
int[][] res = new int[n][cap + 1];
//初始化第一列
for (int i = 0; i < n; i++) {
res[i][0] = 0;
}
//初始化第一行
for (int i = 1; i < cap + 1; i++) {
if (i >= w[0]) {
res[0][i] = v[0];
}
}
int weight = 0;
for (int i = 1; i < n; i++) {
weight += w[i-1];//前i-1个物品的总重
for (int j = 1; j < cap + 1; j++) {
if (j - weight >= w[i]) {//当前背包的容量可以容纳当前遇到的物品
res[i][j] = res[i - 1][j] + v[i];
} else {
if (j >= w[i]) {//当前背包容量是否能够容纳下当前遇到的物品
//取不包含当前遇到的物品、包含当前遇到的物品;两者价值的最大值
res[i][j] = Math.max(res[i - 1][j - w[i]] + v[i], res[i - 1][j]);
} else {//当前背包容量不足以能够容纳下当前遇到的物品
//价值只能是不包含当前物品
res[i][j] = res[i - 1][j];
}
}
}
}
return res[n - 1][cap];
}
方法二:上述方法的额外空间复杂度为O(N*(cap+1)),下面的方法可以将额外空间复杂度优化到O(cap+1),其中cap是背包能承受的最大重量
public int maxValue01(int[] w, int[] v, int n, int cap) {
// dp[x][y]表示物品数量为x,重量不超过y时背包中的总价值
//两种情况:1.将x物品不加入到背包中,那么前x-1件物品的总重量不应该超过y。dp[x][y] = dp[x-1][y]
//2.将x物品加入到背包中,那么前x-1前物品的总重量不应该超过y-w(x),因此dp[x][y] = dp[x-1][y-w(x)]+v(x);
int[] dp = new int[cap+1];
for(int i=0;i<n;i++){//控制物品的数量
for(int j=cap;j>=w[i];j--){//空背包中不能超重
dp[j] = dp[j]>=dp[j-w[i]]+v[i]?dp[j]:dp[j-w[i]]+v[i];//选取j加入书包与j不加入书包的较大值
}
}
return dp[cap];//返回数组的最后一位即是最大总价值
}