题目
思路
纯完全背包问题,其for循环的先后循环是可以颠倒的且都是顺序,01背包的一维数组的背包容量则需要倒序,递推函数相同:dp[j] = max(dp[j], dp[j - weight[i]] + value[i])。
完全背包一维数组
物品和背包容量的遍历顺序无影响,且都是顺序。且weight[i] < j < 背包最大容量
一维递推数组:dp[j] = max(dp[j], dp[j - weight[i]] + value[i])
完全背包二维数组
物品和背包容量的遍历顺序无影响,且都是顺序。
二维递推数组:dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i])
代码
代码1:一维DP数组
row1 = input().split(' ')
M = int(row1[0]) # 物品个数
N = int(row1[1]) # 背包容量
weight = []
value = []
for i in range(M):
row_temp = input().split(' ')
weight.append(int(row_temp[0]))
value.append(int(row_temp[1]))
dp = [0]*(N+1) # 初始化为0即可
for i in range(M):
for j in range(weight[i], N+1): # 注意要倒序
dp[j] = max(dp[j], dp[j-weight[i]]+value[i])
print(dp[N])
'''
输入:
4 5
1 2
2 4
3 4
4 5
输出:
10
'''
代码2:二维DP数组
dp = [[0]*(N+1) for _ in range(M)] # 数组初始化为0
for j in range(weight[0], N+1): # 第一行初始化
dp[0][j] = value[0]
for i in range(1, M):
for j in range(0, N+1):
if j<weight[i]: # 如果背包装不下第i个物品
dp[i][j] = dp[i-1][j]
else:
dp[i][j] = max(dp[i][j-weight[i]]+value[i], dp[i-1][j])
print(dp[M-1][N])