DP浅解(背包篇)

这篇博客探讨了背包问题的三种经典类型:01背包、完全背包和多重背包。通过状态转移方程和核心代码展示了解决这些问题的动态规划方法。对于01背包,强调了如何通过一维优化来减少计算复杂性,而在完全背包和多重背包中,介绍了如何利用物品的无限件性质和二进制拆分策略来求解。博客还提到了在解决这些背包问题时的技巧和注意事项。
摘要由CSDN通过智能技术生成

01背包

01背包考虑的其实就是当前物品要或不要的这么一个问题。以采药一题为例,二维情况下,f[i][c]表示前i件物品放入一个容量为c的背包可以获得的最大价值。那么状态转移方程就是:

f[i][c]=max(f[i-1][c],f[i-1][c-v[i]]+w[i]);

核心代码如下:

for(int i=1;i<=m;i++) 
for(int j=t;j>=0;j--)  
{
	 dp[i][j]=dp[i-1][j];
     if(j>=w[i]) dp[i][j]=max(dp[i-1][j-w[i]]+val[i],dp[i-1][j]);
}

这样,这道题就完成了,但是但是但是,人类的智慧是无穷的,这道题,我们可以滚掉一维,但是需要反着枚举,因为我们在求f[c]的时候,必须保证f[c-v[i]]还是第i-1阶的最优值,不能让他是更新后的状态。
核心代码如下:

for(int i=1;i<=m;i++) 
 for(int j=t;j>=0;j--) 
	if(j>=w[i]) dp[j]=max(dp[j-w[i]]+val[i], dp[j]);

(注:当发现当前层只与前一层有关时,都可以考虑将二维简化为一维)

完全背包问题

这类问题其实与01背包非常类似,只是物品有无限件而已。

多重背包问题

做题思想:二进制拆分。即把数字拆成二的整次幂相加的形式,以指数为变量进行枚举。
板子题:逃亡的准备

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值