<动态规划>完全背包(最大价值,恰好装满最大价值)

完全背包_牛客题霸_牛客网 (nowcoder.com)

(10条消息) 01背包 完全背包是否恰好装满问题_Simple的博客-CSDN博客

 

    public ArrayList<Integer> knapsack (int v, int n, ArrayList<ArrayList<Integer>> nums) {
        int[] dp = new int [v+1];
        int[] dp1 = new int[v+1];
        for(int i = 0;i<dp1.length;i++){
            dp1[i] = -1;
        }
        dp1[0] = 0;

        for(int i = 0;i<n;i++){
            for(int j = nums.get(i).get(0);j<=v;j++){
                dp[j] = Math.max(dp[j],dp[j-nums.get(i).get(0)]+nums.get(i).get(1));
                if(dp1[j-nums.get(i).get(0)]!=-1){
                    dp1[j] = Math.max(dp1[j],dp1[j-nums.get(i).get(0)]+nums.get(i).get(1));
                }
            }
        }
        ArrayList<Integer> res = new ArrayList<>();
        res.add(dp[v]);
        res.add(dp1[v]==-1?0:dp1[v]);
        return res;
    }

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
背包问题是计算机科学中经典的动态规划问题,通常涉及到在给定的物品和总容量限制下,选择能够达到最大价值的物品组合。根据你的问题,我将解释三种常见的贪心策略用于解决背包问题: 1. **价值最大(Value-Based Greedy)**:在这种策略下,我们会优先选择价值最大的物品,即使其重量超过剩余背包容量。每次选取当前剩余容量内价值最高的物品,直到背包装满或没有可选物品。这种方法并不保证总是最优解,因为可能错过了其他轻重比更优的组合。 2. **重量最小(Weight-Based Greedy)**:也称为容量最优化,按照物品的重量进行排序,优先选择重量较小的物品。这样可以保证每一步都尽量减小背包的重量,但可能会牺牲部分价值,特别是当存在价值密度高的物品时。 3. **价值率最高(Value-to-Weight Ratio)**:对于每件物品,计算其价值与其重量的比率(价值/重量),然后选择比率最高的物品放入背包。这种方法确保每单位重量都能获取到最大价值,但可能无法得到总价值最大的组合,尤其是在物品价值和重量分布不均匀时。 为了实现这些策略,你给出的代码片段(`#include`部分)看起来像是C语言,但是完整的背包问题算法通常会包含一个动态规划的循环结构,比如使用双重循环来遍历所有可能的物品和它们的组合。在实际代码中,你会维护两个变量:一个表示当前背包的总价值,另一个表示当前背包的总重量,然后根据上述策略更新这些值。 **相关问题--:** 1. 贪心算法是如何处理背包问题的? 2. 在价值最大策略中,如何确定物品的优先级? 3. 在价值率最高策略中,如何计算物品的价值率? 如果你需要完整的背包问题贪心算法示例,请提供更多信息,或者我可以直接讲解代码实现过程。

“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