01背包问题
在n个物品中挑选若干物品装入背包,最多能装多满?假设背包的大小为m,每个物品的大小为A[i]
注意事项
你不可以将物品进行切割。
如果有4个物品[2, 3, 5, 7]
如果背包的大小为11,可以选择[2, 3, 5]装入背包,最多可以装满10的空间。
如果背包的大小为12,可以选择[2, 3, 7]装入背包,最多可以装满12的空间。
函数需要返回最多能装满的空间大小。
01背包的状态转换方程 f[i,j] = Max{ f[i-1,j-Wi]+Pi( j >= Wi ), f[i-1,j] }
f[i,j]表示在前i件物品中选择若干件放在承重为 j 的背包中,可以取得的最大价值。
Pi表示第i件物品的价值(本题也是重量)。Wi表示第i件物品的重量。
决策:为了背包中物品总价值最大化,第 i件物品应该放入背包中吗 ?
O(m * n) 时间复杂度
O(m * n)空间复杂度
class Solution {
public:
/**
* @param m: An integer m denotes the size of a backpack
* @param A: Given n items with size A[i]
* @return: The maximum size
*/
int backPack(int m, vector<int> A)
{
int k = A.size();
int f[k][m + 1] = {0};
for (int i = 0; i < k; i++)
{
for (int j = 1; j <= m; j++)
{
if (i == 0)
{
f[i][j] = (j >= A[i]) ? A[i] : 0;
continue;
}
if (j >= A[i])
f[i][j] = max(f[i-1][j], f[i-1][j-A[i]] + A[i]);
else
f[i][j] = f[i-1][j];
}
}
return f[k-1][m];
}
};
O(m * n) 时间复杂度
O(m)空间复杂度
下面就是01背包问题的标准答案。
W 是物品重量
V是物品价值。返回的是最大价值。
特点就是里面的for循环是从大到小。
class Solution {
public:
int backPack(int m, vector<int> W, vector<int> V)
{
int k = W.size();
vector<int> f(m + 1, 0);
for (int i = 0; i < k; i++)
{
for (int j = m; j >= W[i]; j--)
{
f[j] = max(f[j], f[j - W[i]] + V[i]);
}
}
return f[m];
}
};
完全背包问题
容量为10的背包,有5种物品,每种物品数量无限,其重量分别为5,4,3,2,1,其价值分别为1,2,3,4,5。
设计算法,实现背包内物品价值最大。
W是物品的重量的数组,V是物品价值的数组。
特点就是里面的for循环是从小到大。
int backPack(int T, vector<int> W, vector<int> V)
{
int f[T + 1] = {0};
for (int i = 0; i < W.size(); i++)
{
for (int j = w[i]; j <= T;j++)
{
f[j] = max(f[j], f[j - w[i]] + v[i]);
}
}
return f[T];
}
多重背包问题
容量为10的背包,有5种物品,每种物品数量分别为1,2,1,2,1,其重量分别为5,4,3,2,1,其价值分别为1,2,3,4,5。
设计算法,实现背包内物品价值最大。
W是重量的数组。
cot是数量的数组
V是价值的数组
特点是:中间加了一个cot的循环,最里面的循环是从大到小遍历
int backPack(int T, vector<int> W, vector<int> cot, vector<int> V)
{
int f[T + 1] = {0};
for (int i = 0; i < W.size(); i++)
{
for (int k = 1; k <= cot[i]; k++)
{
for (int j = T; j >= w[i]; j--)
{
f[j] = max(f[j], f[j - w[i]] + v[i]);
}
}
}
return f[T];
}