题型1:LintCode 92. 背包问题
题目:在n个物品中挑选若干物品装入背包,最多能装多满?假设背包的大小为m,每个物品的大小为A[i]。
分析:dp[i][j]:当背包总重量为j且目前有i个物品时,背包最多装满dp[i][j]的空间。
状态转移方程为:dp[i][j]=max{dp[i-1][j-A[i-1]]+A[i-1], dp[i-1][j]},其中dp[i-1][j-A[i-1]]+A[i-1]表示放入第i个物品后的重量,A[i-1]表示第i个物品的重量,因为数组从0开始,故这样表示。dp[i-1][j]表示不放入第i个物品后的重量。j-A[i-1]为判断条件能否放入。
a.为了把第i个物品放进背包,背包当然要先腾出至少A[i-1]的空间,腾出后空间的最多装满空间为dp[ i - 1][j - A[i-1]],再加上第i个物品的空间A[i-1],即为当背包总空间为j时,装入第i个物品背包的总装满空间。
b.当然第i个物品所占的空间可能比此时背包的总空间j要大(j < A[i-1]),此时装不进第i个物品,因此此时背包的总装满空间为dp[i-1][j]。
c.还有一种可能的情形是,虽然第i个物品能够装入包中,但为了把第i个物品装入而拿出了其他物品,使此时的总装入空间dp[i-1][j-A[i-1]] + A[i-1] < dp[i-1][j]
public class Solution {
/**
* @param m: An integer m denotes the size of a backpack
* @param A: Given n items with size A[i]
* @return: The maximum size
*/
public int backPack(int m, int[] A) {
// write your code here
int num=A.length;
int[][] dp=new int[num+1][m+1];
for(int i=0;i<=m;i++){
dp[0][i]=0;
}
for(int j=0;j<=num;j++){
dp[j][0]=0;
}
for(int i=1;i<=num;i++){
for(int j=1;j<=m;j++){
if(A[i-1]<=j){
if(dp[i-1][j]<dp[i-1][j-A[i-1]]+A[i-1]){
dp[i][j]=dp[i-1][j-A[i-1]]+A[i-1];
}else{
dp[i][j]=dp[i-1][j];
}
}else{
dp[i][j]=dp[i-1][j];
}
}
}
return dp[num][m];
}
}
题型2:LintCode 125. 背包问题 II
题目:给出n个物品的体积A[i]和其价值V[i],将他们装入一个大小为m的背包,最多能装入的总价值有多大?
思路:先将原始问题一般化,欲求背包能够获得的总价值,即欲求前i个物体放入容量为m(kg)背包的最大价值c[i][m]——使用一个数组来存储最大价值。又可以转化成前(i-1)个物体放入背包的问题。下面使用数学表达式描述它们两者之间的具体关系。
表达式中各个符号的具体含义。
w[i] : 第i个物体的重量;
p[i] : 第i个物体的价值;
c[i][m] : 前i个物体放入容量为m的背包的最大价值;
c[i-1][m] : 前i-1个物体放入容量为m的背包的最大价值;
c[i-1][m-w[i]] : 前i-1个物体放入容量为m-w[i]的背包的最大价值;
由此可得状态转移方程:
c[i][m]=max{c[i-1][m-w[i-1]]+p[i-1] , c[i-1][m]}
其中,c[i-1][m-w[i-1]]+p[i-1]表示放入第i个物体后的最大价值,w[i-1],p[i-1]分别表示第i个物品的重量和价值,因为数组从0开始,所以i-1表示第i个物品的。c[i-1][m]表示不放入第i个物体后的最大价值。m-w[i-1]作为第i个物品是否能放入背包中的判断条件。
根据上式,对物体个数及背包重量进行递推,列出一个表格(见下表),表格来自(http://blog.csdn.net/fg2006/article/details/6766384?reload) ,当逐步推出表中每个值的大小,那个最大价值就求出来了。推导过程中,注意一点,最好逐行而非逐列开始推导,先从编号为1的那一