关于背包问题及其变式是我们在面试中经常遇见的问题,同时背包问题也是常见的动态规划问题。
解决这类问题通常是走一步看一步,即利用数组来记录上一步的结论,再与当前进行比较。
例如01背包问题
- 那么首先需要确定dp数组的含义,我们可以假设一个场景,模拟从0-n个物品中挑选0-m重量的物品
这个模拟有两个变量那么最适合使用二维数组来模拟,二维数组的右下角就是最终的答案。理解这一点很重要。 - 接下来就是递推公式,当前项如何得出呢?答案的·关键是取该物品还是不取,取该物品就是dp[i-weight[i]]+value[i],不取就是dp[i-1][j],取与不取哪一项是最大值就是答案
- 接下来就是初始化,即第0个物品中挑选出0-m的重量,很显然只要容量到了第0个物品的重量就可以将其放入
for(let j=weight[0];j<=size;j++){
dp[0][j] = value[0];
}
- 遍历顺序就是经典的从前往后遍历最好(便于理解),其实左右上下顺序都可以,只要有上一层的数据
完整代码:
function testWeightBagProblem (weight, value, size) {
// 定义 dp 数组
const len = weight.length,
dp = Array(len).fill().map(() => Array(size + 1).fill(0));
// 初始化
for(let j = weight[0]; j <= size; j++) {
dp[0][j] = value[0];
}
// weight 数组的长度len 就是物品个数
for(let i = 1; i < len; i++) { // 遍历物品
for(let j = 0; j <= size; j++) { // 遍历背包容量
if(j < weight[i]) dp[i][j] = dp[i - 1][j];
else dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
}
}
console.table(dp)
return dp[len - 1][size];
}
function test () {
console.log(testWeightBagProblem([1, 3, 4, 5], [15, 20, 30, 55], 6));
}
test();
优化:大家有注意到每次只是使用了上一层的数据,那么其实可以将矩阵压缩成一层,但是有个问题得注意,我们是一直在操作同一个数组,如果依旧是从头再来的话,后面的结果是没法参考上一层的数据,因为都被这一层给覆盖掉了。所以从后往前遍历时唯一解,毕竟参考的数据是前面,只要从后面来即可。
完整代码:
function testWeightBagProblem(wight, value, size) {
const len = wight.length,
dp = Array(size + 1).fill(0);
for(let i = 1; i <= len; i++) {
for(let j = size; j >= wight[i - 1]; j--) {
dp[j] = Math.max(dp[j], value[i - 1] + dp[j - wight[i - 1]]);
}
}
return dp[size];
}
function test () {
console.log(testWeightBagProblem([1, 3, 4, 5], [15, 20, 30, 55], 6));
}
test();