问题展示
昨天,看了一个经典题目,就是小偷和钻石的问题:已知小偷有5kg背包,钻石有3颗,他们的重量和价值分别是
重量(kg) | Value |
---|---|
1 | 6 |
2 | 10 |
3 | 12 |
那么在此情况下,小偷能够拿到的最大的价值是多少?
代码展示
首先展示一下,做这道题的代码:
#include <iostream>
#include <memory.h>
#include <math.h>
using namespace std;
//
//typedef Tpye(*Ar){};
//
//此处是对二维空间的动态申请、初始化和释放的代码,非常好用
template<typename DataType>
DataType** alloc_2d(int width,int height)
{
DataType** buffer = new DataType*[height];
for (int i =0;i<height;i++)
{
buffer[i] = new DataType[width];
memset(buffer[i],0,width*sizeof(DataType));
}
return buffer;
}
template<typename DataType>
void free_2d(DataType** &buffer,int height)
{
for (int i =0;i<height;i++)
{
delete[] buffer;
}
delete [] buffer;
buffer = 0;
}
void dp_use(){
//
int n = 3; //物品数
int bag_weight = 5; //袋子的承受重量
int value[]={0,6,10,12}; // 价值空间
int weight[]={0,1,2,3}; //重量空间
//int bag[4][6]={0};
int**bag = alloc_2d<int >(bag_weight+1,n+1); //开袋子的空间
//
for (int i=1;i<n+1;i++)
{
for (int cur_weight=0;cur_weight<=bag_weight;cur_weight++)
{
if ( weight[i]<=cur_weight) //表示当前物品可以加
{
bag[i][cur_weight] = max(value[i]+bag[i-1][cur_weight-weight[i]] //当前物品装下有更优选择
,bag[i-1][cur_weight]); //当前物品不装有更优选择
}
else
{
bag[i][cur_weight]=bag[i-1][cur_weight];
}
}
}
cout<<bag[3][bag_weight]<<endl;
}
void main()
{
dp_use();
}
代码思考
1,核心代码在哪里?
if ( weight[i]<=cur_weight) //表示当前物品可以加
{
bag[i][cur_weight] = max(value[i]+bag[i-1][cur_weight-weight[i]] //当前物品装下有更优选择
,bag[i-1][cur_weight]); //当前物品不装有更优选择
}
else
{
bag[i][cur_weight]=bag[i-1][cur_weight];
}
肯定就是这一块了
2,如何读懂这一块?
大家可以自己手动尝试一下,如果背包状态是1,2,3,4,5这几种状态下,背包所能装下的最大价值。这个是我自己手画的
3,注意
如果再添加当前物品的时候,发现比不添加当前物品的价值还要低时,那就选择该承重下不添加当前物品的价值。这里也是动态规划的一个和贪心的最大区别
///更新部分
后面看到另外一种的写法
int dp(int N, int M, vector<int>& w, vector<int>& v)
{
int dp = new int[M+1];
for(int i=0;i<=M;i++)
dp[i] = 0;
for(int i=1;i<=N;i++){
for(int j=M;j>=w[i];j--){
dp[j] = max(dp[j],dp[j-w[i]]+v[i]);
}
}
return dp[M];
}
问题思考
贪心算法和动态规划都有通过局部最优解来解决全局最优解,但是不同点在于:
1,贪心算法在当局部最优解时,不考虑之前的最优解,只考虑当前状态的局部最优解
2,动态规划则会考虑到之前状态的最优解
3,动态规划会注重寻找状态转移方程