前言:
这篇博客是作者参考了网上各种资料,根据自己的理解与需要,重新编排起来的。如果有错误,请在评论区中指出,谢谢!
问题简述
共同点:有N种物品和一个容量为V的背包,第i种物品的费用是c[i],价值是w[i]。问:怎么装可以在 不超过背包容量 的前提下,使得 总价值 达到最大。
区别
01背包问题:每样物品 非0即1(要么不取,要么取1个)
完全背包问题:每样物品没有数量限制
动态规划的思想与特性
记忆化思想:
对较小的子问题进行一次求解,并把结果记录下来,然后利用较小问题的解,求解出较大问题的解,直到求解出最大问题的解。(同一件事不做第二次,避免重复计算)
能够使用动态规划的问题的特性:
1、一个大问题可以划分为若干个子问题
子问题:性质一样,规模更小(最优子结构)
2、在计算时,子问题有交叠(交叠子结构)
正文
为了更好理解和对比两个问题,这里将两个问题放在同一个背景下,分别进行分析。dp[i][j] 表示 : 用容量为 j 的背包去放前 i 个物品时得到的最大价值
w(i) 表示 : 第 i 个物品的重量
v(i) 表示 : 第 i 个物品的价值
将采用如下数据进行分析
一、01背包问题
状态转移方程:
状态转移方程的文字解释
对于①:当背包不可能装下第 i 个物品的时候,最大价值应由前 i-1 个物品组成 即dp[i][j] = dp[i-1][j]
对于②:当背包装得下第 i 个物品时,就该考虑装不装第 i 个物品。
(装不一定比不装价值更大,如:取i=2, j=2, 设物品1 重1 价值10,设物品2 重2 价值5,显然 dp[1][2] >dp[1][2-2] + 5 即10>5)
主要代码
PS:之前看到一篇博客认为①可省。但是我通过实践后,认为不可省,实践结果如下:
不省略①时
for(int i=1; i<=N; i++)