有三种背包问题,01背包问题,完全背包问题,多重背包问题。
一、01背包问题
一堆物品,每种只有一个,价值为v[], 重量为w[], 背包称重n, 求最大价值。
看了好多博客,感觉直接上代码啥的有点难受。
我的思路是这样的。
1,手动做题
先直观感受一下吧,人脑整一发。
题目如下:
0 | 1 | 2 | |
---|---|---|---|
w | 1 | 2 | 3 |
v | 6 | 10 | 12 |
背包重量为5.
思路是这样,我们一件物品一件物品按顺序放。
对于每件物品,只有两种可能,放,或者,不放。
放,现在的价值= 留了空间之后的最大价值+当前物品价值
不放,现在的价值= 曾经认为的该重量可拥有的最大价值
如果不懂,看看下面的步骤,回头再看应该就懂了。
(1) 放第一件物品,重量可以是从0到5,得到以下表格
0 | 1 | 2 | 3 | 4 | 5 | |
---|---|---|---|---|---|---|
0 | 0 | 6 | 6 | 6 | 6 | 6 |
第一排标题表示,重量,分别是0,1,2,3,4,5。
下面一排表示,放第几个物品,这里是0,放第0个。
中间的值表示,当前背包的价值。
由于每个物品只有1个,所以从重量1开始,价值一直是6.
(2)放第二件物品,重量可以是从0到5,得到以下表格
0 | 1 | 2 | 3 | 4 | 5 | |
---|---|---|---|---|---|---|
0 | 0 | 6 | 6 | 6 | 6 | 6 |
1 | 0 | 6 | 10 | 16 | 16 | 16 |
我们用dp[i]表示i重量下的最大价值,w[i],v[i]表示第i个物品的重量和价值。
现在可以具体分析一下,最右下角那个16怎么来的。
语言上: 重量为5,要放第1个物品。 因为该物品重量为2,所以为了价值最大,应该使用:重量为3的最大价值+该物品的价值。 或者,不放这个物品。
数学上:dp[5]=max (dp[5-w[1]]+v[1],dp[5]) =max (dp[3]+v[1],dp[5])
同理,dp[4]也会被更新,dp[3],dp[2]…dp[0]都是一样的。
(3)放第三件物品,一样的,不想放了哈哈哈哈哈。
不过我们会发现什么呢,以放第二个物品,也就是上面那个公式为例。
我们发现dp[5]的更新,和上面一排的状态有关,而且是和当前列的左边有关。
在代码看来,dp[5]和 {dp[4],dp[3],dp[2],dp[1],dp[0]} 都可能有关,因为你不知道w[i]是多少。
所以写代码的时候,我们要倒序更新dp。要不然dp[3]提前更新了,dp[5]再更新,那岂不是相当于放了两次该物品,这是不对滴。
(4)01背包问题思路总结
总的来说,就是把dp[5]到dp[0]一层一层的更新,而且顺序是逆序的。
更新规则就是 max(dp[5],dp[5-w[i]+v[i]])。
代码中,把5换成变量即可。
(5)代码
public void getPacket(int[] v,int[] w,int n) {
int[] dp=new int[n+1];
for(int i=0;i<v.length;i++) {
for(int j=n;j>w[i];j--) {
dp[j]=Math.max(dp[j], dp[j-w[i]]+v[i]);
}
}
}
随口记录一下:
外层循环就是一层一层的更新那个表,
内层循环就是逆序更新dp[i],
有个剪枝,就是背包重量本来就放不下本次物品,那就不用计算了,背包价值直接是之前的值。
另外,实际上我只记录了最好的一种算法,其他博客是有从递归,到动态规划,到最简空间动态规划的延伸过程的,也可以去看看。 我只是觉得我个人不好理解他们的最简空间,所以专门记录一下。
二、完全背包问题
类似的,题目变成 每个物品有无限个。
马上就能想到,还是一样的表格,只不过dp[i]的更新顺序得变换一下。
因为,每个物品可以重复拿,那么每一行的dp[i]实际上是和本行(即当前)左边的值有关。(对比01背包,是和上一行(因为每个物品只有一个)左边的值有关。)
我们从左到右计算暗示了一个条件:
对每个新的重量,只需要考虑放一个当前物品。
因为之前的物品已经放成最优化了。
即假如:7的重量是2个重量3,1个重量1。
那么第一个重量3,早就在重量4的背包里讨论过了。
所以更新规则也很舒服了啊。
dp[i+1]=max (dp[5-w[i+1]]+v[i+1],dp[5])
这里的5表示背包当前重量,不用变量看的清楚点。`
public void getPacket(int[] v,int[] w,int n) {
int[] dp=new int[n+1];
for(int i=0;i<v.length;i++) {
for(int j=w[i];j<=n;j++) {
dp[j]=Math.max(dp[j], dp[j-w[i]]+v[i]);
}
}
}