01背包的空间优化

最新推荐文章于 2023-11-13 17:15:00 发布

Aldonah

最新推荐文章于 2023-11-13 17:15:00 发布

阅读量262

点赞数 5

分类专栏：算法文章标签： DP

本文链接：https://blog.csdn.net/qq_37119057/article/details/79324485

版权

21 篇文章 0 订阅

订阅专栏

在裸01背包中状态转移方程为 f[i][v]=max{f[i-1][v] , f[i-1][v-c[i]]+w[i]}；

其空间复杂度为O（N*V）很多时候往往会导致堆空间不够，离散化数据来处理这个问题也不方便。

故而若我们能保证第i次循环结束后f[v]中表示的就是我们定义的状态f[i][v]呢，即在第次循环时 f[v]=f[i][v]

又由于f[i][v]是由f[i-1][v]和f[i-1][v-c[i]]两个子问题递推而来，故而在推f[i][v]时（也即在第i次主循环中推f[v]时）要能够得到f[i-1][v]和f[i-1][v-c[i]]的值

这要求在每次主循环中我们以v=V..0的顺序推f[v]，这样才能保证推f[v]时f[v-c[i]]保存的是状态f[i-1][v-c[i]]的值，即每次进入第二层循环时，被子问题f[v-c[i]]与f[v]都保存的是上个循环即i=i-1时候的值

故而又有f[i][v]=max{f[i-1][v] , f[i-1][v-c[i]]+w[i]}；

//伪代码
for i=1..N
for v=V..0 
f[v]=max{f[v],f[v-c[i]]+w[i]};
//巧妙的将第二场循环逆过来 似的子问题是最近一次的解

将二维数组的空间变为一维，解决了MLE的问题

顺带一提若正过来是无限背包的情况可以参考下一篇题解

关注