一篇文章吃透背包问题
01背包问题
每个物品只有一件,拿或不拿。
使⽤⼆维数组,即dp[i][j] 表示从下标为[0-i]的物品⾥任意取,放进容量为j的背包,价值总和最⼤是多少。
怎么推导出dp[i][j]呢?
- 由dp[i - 1][j]推出,即背包容量为j,⾥⾯不放物品i的最⼤价值,此时dp[i][j]就是dp[i - 1][j]
- 由dp[i - 1][j - weight[i]]推出, dp[i - 1][j - weight[i]] 为背包容量为j - weight[i]的时候不放物品i的最⼤价值,那么dp[i - 1][j - weight[i]] + value[i] (物品i的价值),就是背包放物品i得到的最⼤价值
- 所以递归公式: dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
public class ZeroOneBag {
public static void main(String[] args) {
int n = 3;
int S = 4;
int[] weights = new int[]{1,3,4};
int[] values = new int[]{15,20,30};
System.out.println(new ZeroOneBag().zeroOne(n, S, weights, values));
}
public int zeroOne(int n, int S, int[] weights, int[] values){
int[][] dp = new int[n+1][S+1];
for(int i = 1; i <= n; i++){
int w = weights[i-1];
int v = values[i-1];
for(int j = 1; j <= S; j++){
if(j >= w)
dp[i][j] = Math.max(dp[i-1][j], dp[i-1][j-w] + v);
else
dp[i][j] = dp[i-1][j];
}
}
return dp[n][S];
}
}
dp[i][j] 只与 dp[i-1][j] 和 dp[i-1][j-w]有关,也就是当前行的某个值只与前一行的两个值有关。可以只用一维数组记录,空间优化后的状态转移方程:
dp[j] = max{ dp[j], dp[j-w] + v }
//N为物品数目
//S为背包容量
//weights[]为每个物品的体积
//values[]为每个物品的价值
public int zeroOne2(int n, int S, int[] weights, int[] values){
int[] dp = new int[S+1];
for(int i = 1; i <= n; i++){
int w = weights[i-1];
int v = values[i-1];
for(int j = S; j >= w; j--){//注意从后向前遍历,避免重复
dp[j] = Math.max(dp[j], dp[j-w] + v);
}
}
return dp[S];
}
相关题
完全背包问题
有N件物品和⼀个最多能背重量为W的背包。第i件物品的重量是weight[i],得到的价值是value[i] 。 每件物品都有⽆限个(也就是可以放⼊背包多次) ,求解将哪些物品装⼊背包⾥物品价值总和最⼤。
这个问题只给一个一维动态的DP做法,跟01背包的一维写法恰恰相反。
顺便说一下我思考的一个问题:01背包用二维DP的时候,两层循环实际上都是从前往后遍历的,但是一维DP中的第二层循环(容量循环)必须从后往前,否则会出现重复使用某个元素的问题。
但是完全背包情况下,恰恰利用了这一点。
完全背包的二维写法不太好写,我也不会。
//N为物品数目
//S为背包容量
//weights[]为每个物品的体积
//values[]为每个物品的价值
public class FullBag {
public static void main(String[] args) {
int n = 3;
int S = 4;
int[] weights = new int[]{3,3,1};
int[] values = new int[]{15,20,30};
System.out.println(new FullBag().full2(n, S, weights, values));
}
public int full2(int n, int S, int[] weights, int[] values){
int[] dp = new int[S+1];
for(int i = 1; i <= n; i++){
int w = weights[i-1];
int v = values[i-1];
for(int j = w; j <= S; j++){
dp[j] = Math.max(dp[j], dp[j-w] + v);
}
}
return dp[S];
}
}
多重背包
每个物品除了重量weights[i]、价值values[i],还有个数量属性nums[i]。需要三层循环。
//N为物品数目
//W为背包容量
//num[]为每个物品的数目
//weights[]为每个物品的体积
//values[]为每个物品的价值
public class DuoChongBags {
public static void main(String[] args) {
int N = 7;
int W = 6;
int[] num = new int[]{1,1,1,1,1,1,1};
int[] weights = new int[]{3,4,3,9,4,5,4};
int[] values = new int[]{8,2,1,7,1,18,4};
System.out.println(multiKnapack(N, W, num, weights, values));
}
public static int multiKnapack(int N, int W, int[] num, int[] weights, int[] values) {
int[] dp = new int[W + 1];
for (int i = 1; i <= N; i++) {
int M = num[i - 1], w = weights[i - 1], v = values[i - 1];
for (int j = W; j >= w; j--) {
for (int k = 0; k <= M && k * w <= j; k++) {
dp[j] = Math.max(dp[j], dp[j - k * w] + k * v);
}
}
}
return dp[W];
}
}