问题引入
有 n 个物品和一个大小为 m 的背包. 给定数组 A 表示每个物品的大小和数组 V 表示每个物品的价值.
问最多能装入背包的总价值是多大?
- A[i], V[i], n, m 均为整数
- 你不能将物品进行切分
- 你所挑选的要装入背包的物品的总大小不能超过 m
- 每个物品只能取一次
测试链接: https://www.lintcode.com/problem/backpack-ii/my-submissions
样例1
输入: m = 10, A = [2, 3, 5, 7], V = [1, 5, 2, 4]
输出: 9
解释: 装入 A[1] 和 A[3] 可以得到最大价值, V[1] + V[3] = 9
样例2
输入: m = 10, A = [2, 3, 5, 7], V = [1, 5, 2, 4]
输出: 9
解释: 装入 A[1] 和 A[3] 可以得到最大价值, V[1] + V[3] = 9
问题分析
首先这是一道动态规划题, 先来定义状态
- 状态: F(i, j) 从前i个商品选择, 当背包大小为j时的最大值
通过状态定义, 进行分析, 当对第i个商品进行判断时会出现两种情况
- 第i个商品可以放入背包中
又有两种选择, 放或者不放
a. 不放: 那么F(i, j) = F(i - 1, j)
b. 放: (包括替换)先把要放入的空间清理或者预留出来, 再看剩余的空间的最大情况
F(i, j) = F(i - 1, j - size[i]) + value[i]
如何选择放或者不放? max(放, 不放) 即 max(F(i - 1, j), F(i - 1, j - size[i]) + value[i]) - 第i个商品过大, 无法放入包中
只能从前 i - 1 个商品进行选择, 使包的大小为j时的价值最大化: F(i - 1, j)
-
递推式
通过上面的分析得
F(I, j):
a. F(i - 1, j) , 当size[i] > j
b. max(F(i - 1, j), F(i - 1, j - size[i]) + value[i])), 当size[i] <= j -
初始化
F(0, j) = 0, F(i, 0) = 0 -
返回值
F(n, m)
通过表格分析
上面的分析未免有点抽象, 我们通过表格来进行理解
* example:
给定下列信息: 商品个数n = 5, 背包容量m = 12
先画出表格
我们要将每一个空格填满, 最后的所要的最终结果就是右下角的值
通过对表格的不断填写, 就可以验证我们之前的结论, 同时也可以证明咱们的理论是正确的
代码
class Solution {
public:
/**
* @param m: An integer m denotes the size of a backpack
* @param A: Given n items with size A[i]
* @param V: Given n items with value V[i]
* @return: The maximum value
*/
int backPackII(int m, vector<int> &A, vector<int> &V) {
// write your code here
int n = A.size();
vector<vector<int>> F(n + 1, vector<int>(m + 1, 0));
for (int i = 1; i < F.size(); i++)
{
for (int j = 1; j < F[0].size(); j++)
{
if (A[i - 1] > j)
{
F[i][j] = F[i - 1][j];
}
else
{
F[i][j] = max(F[i - 1][j], F[i - 1][j - A[i - 1]] + V[i - 1]);
}
}
}
return F[n][m];
}
};
上面的代码空间复杂度可以再进行降低, 只需O(m)即可, 需要注意的是状态的更新必须从后向前