动态规划(多重背包) 一维优化附图理解

最新推荐文章于 2022-11-28 15:34:58 发布

醒然自然醒

最新推荐文章于 2022-11-28 15:34:58 发布

阅读量160

点赞数 1

分类专栏： LeetCode 文章标签：动态规划算法

本文链接：https://blog.csdn.net/qq_40662405/article/details/123205209

版权

这篇博客介绍了如何使用动态规划解决多重背包问题，其中物品数量有限。通过两种不同的方法实现，包括朴素的二维状态DP和一维优化的DP。代码示例展示了如何找到在不超过背包容量的情况下，选择物品以最大化总价值的过程。

摘要由CSDN通过智能技术生成

动态规划——多重背包

题目描述

有 n 种物品和一个容量为 capacity 的背包，且每种物品【数量有限】。

第 i 件物品的质量是 weight[i] ，价值是 values[i] ，数量为 nums[i]。

问：选择哪些物品，每种物品选择多少件，可使得总价值最大？

输入：capacity = 5 , weight = [1,2] , values = [1,2] , nums = [2,1]
输出：4
选择两件物品1，再选一件物品2，可以使价值最大

朴素二维

状态定义 dp[i] [j] ：考虑前 i 件物品。且所选物品总体积不超过 j 时获得的最大价值，且物品数量不能超
状态转移方程 dp[i] [j] = max(dp[i-1] [j] , dp[i-1] [j - k * value(i)] + k * value(i) ) 0 < k <= s[i] 0 < k * value(i) <= j
初始化 maxK = math.min(j/ weight(i) , s[i]) dp[0] [j] = maxK * value(i) 能装多少装多少

代码如下：

public int maxValue( int capacity, int[] nums, int[] weight, int[] values){
   
        int n = nums.length;
        int[][] dp = new int[n][capacity+