2 背包问题:最多能装多满

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]

原始背包问题考虑的是价值最大化,而这个背包考虑的是重量最大化,没有价值。 我们可以将dp的定义改为,前i个物品能不能装满j。在初始问题中是装下,这次是装满。这样的话,就不可能存在不拿这个选项,如果不拿,说明要么装不下,要么装不满。

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
    """
    def backPack(self, m, A):
        # write your code 
        # dp表示第i个物品能否装满j
        dp = [0 for _ in range(m+1)]
        dp[0] = 1
        result = 0
        
        for a in A:
            for i in range(m, a-
  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
背包问题是一个经典的动态规划问题,可以用递归来解决。 假设我们有一个背包,它最多可以装 W 重量的物品。现在有 n 个物品,每个物品的重量为 w[i],价值为 v[i]。我们需要在不超过背包容量的情况下,选择一些物品装进背包中,使得背包中物品的总价值最大。 我们可以定义一个函数 f(i, j),表示考虑前 i 个物品,背包剩余容量为 j 的情况下,可以获得的最大价值。那么,我们可以得到以下递归式: f(i, j) = 0, (i=0 or j=0) f(i, j) = f(i-1, j), (j < w[i]) f(i, j) = max(f(i-1, j), f(i-1, j-w[i]) + v[i]), (j >= w[i]) 其中,第一行是边界条件,表示当没有物品或者背包容量为 0 时,最大价值为 0。第二行表示当前物品的重量已经超过了背包的容量,所以只能考虑前 i-1 个物品。第三行表示当前物品可以选择或者不选择,如果选择当前物品,那么最大价值就是当前物品的价值加上考虑前 i-1 个物品,背包剩余容量为 j-w[i] 的最大价值。 最终的答案就是 f(n, W)。 下面是一个简单的 Python 代码实现: ``` def knapsack(i, j, w, v): if i == 0 or j == 0: return 0 if j < w[i]: return knapsack(i-1, j, w, v) else: return max(knapsack(i-1, j, w, v), knapsack(i-1, j-w[i], w, v) + v[i]) w = [0, 2, 3, 4, 5] v = [0, 3, 4, 5, 6] W = 8 n = len(w) - 1 print(knapsack(n, W, w, v)) # 输出 12 ``` 这个代码中,我们定义了一个函数 knapsack(i, j, w, v),其中 i 表示考虑前 i 个物品,j 表示背包剩余容量,w 和 v 分别表示物品的重量和价值。最终的答案就是 knapsack(n, W, w, v),其中 n 表示物品个数,W 表示背包容量。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值