一共有n个物品,每个物品的重量为w[i],价值为v[i],背包总容量为V,要求出背包所能装下的最大总价值。
dp[i][j]表示前i件物品装入容量为j的背包,能得到的最大总价值。
0-1背包:
每个物品只能取0个或1个。
dp[i][j]=max(dp[i-1][j], dp[i-1][j-w[i]]+v[i])
dp[i-1][j]代表这个物品不放入背包
dp[i-1][j-w[i]]+v[i]代表这个物品放入背包
dp = [[0 for col in range(V+1)] for row in range(N+1)]
for i in range(N):
for j in range(w[i], V+1):
dp[i][j]=max(dp[i-1][j], dp[i-1][j-w[i]]+v[i])
或j反过来也行
一维dp
dp = [0 for col in range(V+1)]
for i in range(N):
for j in range(V, w[i]-1, -1):
dp[j]=max(dp[j], dp[j-w[i]]+v[i])
去掉dp中的[i]项,为了保证 dp[j] dp[j - w[i]] 都是i - 1上一项的,j 的循环顺序要从t到w[j]
完全背包:
每个物品可以取无限次。
dp[i][j]=max(dp[i-1][j], dp[i][j-w[i]]+v[i])
dp[i-1][j]代表这个物品不放入背包
dp[i][j-w[i]]+v[i]代表这个物品放入背包
完全背包中,因为取第i个物品时还能再去第i个,所以不用退回i-1;而0-1背包中不能再取第i个,所以要退回i-1
dp = [[0 for col in range(V+1)] for row in range(N+1)]
for i in range(N):
for j in range(w[i], V+1):
dp[i][j]=max(dp[i-1][j], dp[i][j-w[i]]+v[i])
一维dp
dp = [0 for col in range(V+1)]
for i in range(N):
for j in range(w[i], V+1):
dp[j]=max(dp[j], dp[j-w[i]]+v[i])
此时j的遍历顺序只有一种,计算 dp[i][j] 时,要保证 dp[i][j - w[i]] 已经计算好,所以j必须从左到右遍历
多重背包
每种物品都有个数的限制,第i个物品最多可以为num[i]个
dp[i][j] = max{dp[i-1][j-k*[i]] + k*[i]} ,其中(0 <= k <= min{j/w[i], num[i]})
f = [[0 for col in range(V + 1)] for row in range(N + 1)]
for i in range(1, N+1):
for j in range(1, V+1):
# 对于物品i最多能取的次数是j/[i-1]与num[i-1]中较小者
max_k = min(j/weight[i-1], num[i-1])
# 初始取k=0为最大,下面的循环是把取了k个物品i能获得的最大价值赋值给f[i][j]
dp[i][j]= dp[i - 1][j]
for k in range(max_k):
dp[i][j]= max(dp[i][j], dp[i-1][j-k*w[i-1]]+k*v[i-1]) # 状态方程