文章目录
PS:本文完全站在巨人的肩膀上,可以看作y总DP课程的笔记,能力有限,若有不当敬请指正。
概论
DP解决的问题: 有限集合中取最值,或求数量,求路线。
DP优化的措施: 化零为整,把逐个遍历划分为各个集合,减小时间复杂度。
特点:可以通过前一个状态推出当前状态,否则就是贪心。通过一个数组的一个元素表达了一类情况而非一种,对其做统一处理,故可以做优化。
闫式DP分析法
核心思想
将复杂的DP问题规定一种通用公式,按照这个公式代入题目相应数据,可以快速找出解题方法。
闫式图
闫式图是闫式DP分析法的衍生概念,将题目状态分析和状态计算的部分带入下图中。
通用步骤
先用一个简单的例子带入步骤帮助理解(虽然这个例子都不用用dp就能做):求所有n个数据中的最大值。
- 先思考如何用
dp
数组的下标表示求出结果过程中的各种情况(如dp[i]代表到第i个数据的最大值)。 - 将最终结果的
dp
数组结合前面规定的下标意义表示出来(最后的结果就是dp[n]) - 找出结果的属性(max)。
- dp的其中一个特点就是可以通过前面的情况推出当前的情况的值,第四步就是根据题意写出如何通过前面的dp数组推出后面的dp数组。
- 把计算的数据分为变化的部分和不变的部分,把变化的部分用原先的dp数组表示。(选)
- 观察题目是否需要加边界条件。
现在看不懂没关系,接着往下看再结合几个例子就懂了。
Tips:
- 求最值时,每种情况可以微量重复,不影响求最值结果。
- 有时候需要考虑初始化,这时候多想想边界问题。
背包问题
规定一个背包和 n
种物品,给出背包容积和物品价值,求出背包能装物品的最大价值。
01背包问题
题目链接
有N件物品和一个容量是V的背包。每件物品只能使用一次。
第i件物品的体积是 v i v_i vi,价值是 w i w_i wi。
求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。
输出最大价值。
输入格式
第一行两个整数,N,V,用空格隔开,分别表示物品数量和背包容积。
接下来有N行,每行两个整数,w,用空格隔开,分别表示第i件物品的体积和价值。
输出格式
输出一个整数,表示最大价值。
数据范围
0 < W , V ≤ 1000 0<W,V≤1000 0<W,V≤1000
0 < w ≤ 1000 0<w≤1000 0<w≤1000
按照步骤分析,
- 首先规定dp数组f[i][j],其表示当前遍历至第
i
个物品,剩余背包容量为j
的集合 - 结果数组为f[n][v]。
- 结果属性为max。
- 由前面的数值推出当前数值的话,可能出现两种情况:
(1)不选当前物品: f [ i − 1 ] [ j ] f[i - 1][j] f[i−1][j]和
(2) 选择当前物品: f [ i − 1 ] [ j − v [ i ] ] + w [ i ] f[i-1][j - v[i]] + w[i] f[i−1][j−v[i]]+w[i],两种情况取max即可。 - 无边界情况。
注意:并不是每种情况都一定可取,如果当前物品加上超过背包容量,就直接舍弃,故需要一个判断:if(v[i] <= j)
闫式图
朴素代码
#include <iostream>
using namespace std;
const int N = 1005;
long long int f[N][N];
int v[N], w[N];
int main() {
int n, m;
cin >> n >> m;
for(int i = 1; i <= n; i ++) scanf("%d %d", &v[i], &w[i]);
for(int i = 1; i <= n; i ++)
for(int j = 0; j <= m; j ++) {
f[i][j] = f[i - 1][j]; //提前更新,防止j > v[i]情况下f[i][j]的没有更新值。
if(j >= v[i]) f[i][j] = max(f[i][j], f[i - 1][j - v[i]] + w[i]);
}
cout <<f[n][m];
}
完全背包问题
题目链接
题目描述
有N件物品和一个容量是V的背包。第i件物品的体积是 v i v_i vi,价值是 w i w_i wi,每种物品都有无限件可用。
求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。
输出最大价值。
输入格式
第一行两个整数,N,V,用空格隔开,分别表示物品数量和背包容积。
接下来有N行,每行两个整数,w,用空格隔开,分别表示第i件物品的体积和价值。
输出格式
输出一个整数,表示最大价值。
推导
完全背包是将所有物品选择的次数扩展为无限次,因此与01背包只有两种选择方案不同,完全背包不仅有选不选,还有选几次,看上去似乎要用三维下标记录。
但是实际上每次选几次的情况依旧可以通过前面的情况推出来,当前的公式为:
而我们发现,当把j代为j - v[i]时的公式,与选择不装的各种情况只差了一个w[i]:
所以最后的公式可以简写为: f [ i ] [ j ] = m a x ( f [ i − 1 ] [ j ] , f [ i ] [ j − v [ i ] ] + w [ i ] )