最优子结构性质:大问题的最优解可以由小问题的最优解推出
无后效性:一旦f(n)确定,如何凑出f(n)就再也用不着了
如何判断一个问题能否使用DP解决:
能将大问题拆成小问题,且满足无后效性、最优子结构性质
DP为什么这么快:
暴力解法是枚举所有的可能解,这是最大的可能解空间
DP枚举有希望成为答案的解,这个空间比暴力小得多,即DP自带剪枝
其核心思想就是尽量缩小解空间
DP操作过程:(有记忆的递归)
将一个大问题转化成几个小问题
求解小问题
推出大问题的解
讨论状态转移方程:
dp[i][j]表示考虑前i个物品在容重为j的情况下的最大价值,考虑了第i个背包后,可以放入第i个背包的前提为j>weight[i],dp[i][j]的值只可从是否放入了第i个物品这两种情况推来,因为是dp[i][j]是求最大价值,所以取两种情况中的最大值,若不能放入第i个物品,则其结果和第一种情况一样dp[i][j]=dp[i-1][j]
第一种情况:
不放入第i个物品情况下的最大价值,即dp[i-1][j],因为已经确定不放入第i个物品,所以和只考虑前i-1个物品所得的最大值(最优子问题结构)一样
第二种情况:
放入第i个物品情况下的最大值,由于已经确定放入第i个物品了,则此时的最大价值为,只考虑i-1个物品和容重为j-weight[i]情况下的最大值(最优子问题结构)+value[i]
#include <iostream>
using namespace std;
const int MAXN=1000+10;
int dp[MAXN][MAXN];
int weight[MAXN];
int value[MAXN];
int main() {
int n,m;
cin>>m>>n; //重量为m,物品个数为n
for(int i=1;i<=n;++i) //输入每个物品的重量和价值
scanf("%d%d",&weight[i],&value[i]);
for(int i=0;i<=n;++i) //设置dp数组边界条件
dp[i][0]=0;
for(int j=0;j<=m;++j)
dp[0][j]=0;
for(int i=1;i<=n;++i){
for(int j=1;j<=m;++j){
if(j<weight[i]) dp[i][j]=dp[i-1][j];
else dp[i][j]=max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i]);
}
}
printf("%d\n",dp[n][m]);
return 0;
}
测试用例:
input:
90 4
20 25
30 20
40 50
10 18
output:
95
由于dp[i]数组只和dp[i-1]有关,可做空间上优化,转换成一维数组
#include <iostream>
using namespace std;
const int MAXN=1000+10;
int dp[MAXN];
int weight[MAXN];
int value[MAXN];
int main() {
int n,m;
cin>>m>>n; //重量为m,物品个数为n
for(int i=1;i<=n;++i) //输入每个物品的重量和价值
scanf("%d%d",&weight[i],&value[i]);
//设置dp数组边界条件
for(int j=0;j<=m;++j)
dp[j]=0;
for(int i=1;i<=n;++i){
for(int j=m;j>=weight[i];--j){ //j<weight[i]时dp[j]即为为i-1的值,不用更新
dp[j]=max(dp[j],dp[j-weight[i]]+value[i]);
}
}
printf("%d\n",dp[m]);
return 0;
}