内容基本来自代码随想录,主要为了记录自己的理解过程!
01背包问题:
有N件物品和一个最多能被重量为W 的背包。第i件物品的重量是weight[i],得到的价值是value[i] 。每件物品只能用一次,求解将哪些物品装入背包里物品价值总和最大。
代码及详细注释如下:
package lxj.other;
import java.util.Arrays;
public class findMinArrowShots {
public static void weightBagProblem() {
int[] weight = {1, 3, 4};// 每个物品的重量
int[] value = {15, 20, 30};// 每个物品的价值
int bagWeight = 4;// 背包总容量为4
// 确定dp数组以及下标的含义,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
int[][] dp = new int[weight.length][bagWeight + 1];
//for(int j = bagWeight;j >= weight[0];j--){
// dp[0][j] = value[0];
//}
// 初始化dp数组,由状态方程dp[i][j] = Math.max(dp[i - 1][j],dp[i - 1][j - weight[i]] + value[i])
// 得知第i行的数据依赖于第i - 1行,所以第一行需要初始化,
// dp[0][j] = dp[0][j - weight[0]] + value[0] 估计只是为了与状态方程形式统一吧
for(int j = bagWeight;j >= weight[0];j--){
dp[0][j] = dp[0][j - weight[0]] + value[0];
}
// 当背包容量为0的时候,装不了任何一个物品,所以初始化背包容量为0的列,初始化全为0,数组初始化默认为0
for(int i = 1;i < weight.length;i++){
for(int j = 1;j <= bagWeight;j++){
if(j < weight[i]){
// 背包的容量在只装物品i的情况下都容量不足的话,背包所能装的物品和不装物品i所能装的最大价值相等
dp[i][j] = dp[i - 1][j];
}else{
// 如果背包的容量能够装下物品i,说明有其他的装包方案,要取价值最大的值
// 可以先让背包留出要装的物品i的重量即j - weight[i],此时这个容量能装的最大价值加上物品i的价值和不装物品i的方案中选择总价值最大的
dp[i][j] = Math.max(dp[i - 1][j],dp[i - 1][j - weight[i]] + value[i]);
}
}
}
System.out.println(Arrays.deepToString(dp));
}
// 动态规划使用一维数组,优化空间复杂度
public static void weightBagProblem2() {
int[] weight = {1, 3, 4};// 每个物品的重量
int[] value = {15, 20, 30};// 每个物品的价值
int bagWeight = 4;// 背包总容量为4
// 1. 确定dp数组以及下标的含义,dp[j]表示:容量为j的背包,所背的物品价值可以最大为dp[j]。
int[] dp = new int[bagWeight + 1];
// 当背包容量为0的时候,装不了任何一个物品,所以初始化背包容量为0的列,初始化全为0,数组初始化默认为0
for(int i = 0;i < weight.length;i++){
for(int j = bagWeight;j >= 1 && j - weight[i] >= 0;j--){
// dp[j]取原来不装物品i和装了物品i之后的价值较大的一个
dp[j] = Math.max(dp[j],dp[j - weight[i]] + value[i]);
}
}
System.out.println(Arrays.toString(dp));
System.out.println(dp[bagWeight]);
}
public static void main(String[] args) {
weightBagProblem();
weightBagProblem2();
}
}
跟着大佬,继续加油!