动态规划求解01背包问题，最长递增子序列

最新推荐文章于 2021-07-30 14:33:49 发布

风云pgg

最新推荐文章于 2021-07-30 14:33:49 发布

阅读量619

点赞数

本文链接：https://blog.csdn.net/mashijia986/article/details/79115885

版权

本文介绍了如何使用动态规划解决01背包问题，旨在最大化背包中物品的总价值。同时，文章也探讨了动态规划在寻找给定序列最长递增子序列中的应用。在实现过程中，特别指出了二维数组赋值的常见陷阱，并提供了正确创建二维数组的方法。

摘要由CSDN通过智能技术生成

01背包问题：给定N中物品和一个背包，物品i的重量是Wi,其价值位Vi，背包的容量为C。问应该如何选择装入背包的物品，使得转入背包的物品的总价值为最大？每件物品可以选择装或者不装。

i代表前i个物品（包括i），j表示背包重量，f(i, j)表示从前i个物品中选取到总重量不超过j的最大价值。

如果wi > j: f(i, j) = f(i-1, j) 否则f(i, j) = max（f(i-1, j), f(i-1, j-wi) +vi）。

假设山洞里共有a,b,c,d ,e这5件宝物（不是5种宝物），它们的重量分别是2,2,6,5,4，它们的价值分别是6,3,5,4,6，现在给你个承重为10的背包, 怎么装背包，可以才能带走最多的财富。

def package_max_value(weight, value, package_volume):
    if len(weight) <= 0 or len(value) <= 0 or len(weight) != len(value):
        return []
    res = [[0 for i in range(package_volume)] for i in range(len(value))]
    for j in range(package_volume):
        if j < weight[0]:
            res[0][j] = 0
        else:
            res[0][j] = value[0]

    for i in range(1, len(value)):
        for j in range(package_volume