动态规划
又名Dynamic programming 高大上的一个词。
2020.2.25 这里记录一下
背包DP
0-1背包
今天学会 也没有学会 其实就是大概摸懂了一点点而已。
这里加深一下印象
对于0-1背包问题
d
p
[
i
]
[
v
]
dp[i][v]
dp[i][v] 表示前 i 件物品 恰好装入容量为j的背包中所能获得的最大价值 怎么求解
d
p
[
i
]
[
v
]
dp[i][v]
dp[i][v] 呢
考虑对i-1件物品的选择
- 不放第i件物品,那物品转化为前 i − 1 i-1 i−1件物品恰好装入容量为 j j j的背包中所获得的最大价值 即 d p [ i − 1 ] [ j ] dp[i-1][j] dp[i−1][j]
- 放第i件物品,那么问题转化为前i-1件物品恰好装入容量为 j − w [ i ] j-w[i] j−w[i]的背包中所能获得的最大价值,也即 d p [ i − 1 ] [ j − w [ i ] ] + v [ i ] dp[i-1][j-w[i]]+v[i] dp[i−1][j−w[i]]+v[i]
举个例子吧 现在背包容量为6 有四件物品 重量和价值分别为(1,4)(2,6) (3,12) (2,7) 求最大价值
画个表应该好懂一些
状态转移方程
d
p
[
i
]
[
j
]
=
m
a
x
{
d
p
[
i
−
1
]
[
j
]
,
d
p
[
i
−
1
]
[
j
−
w
e
i
g
h
t
[
i
]
]
+
v
a
l
u
e
[
i
]
}
dp[i][j]=max\left\{\, dp[i-1][j],\,dp[i-1][j-weight[i]]+value[i] \right\}
dp[i][j]=max{dp[i−1][j],dp[i−1][j−weight[i]]+value[i]}
我们用代码实现一下
#include<cstdio>
using namespace std;
const int maxN=1000;
int weight[maxN],value[maxN],dp[maxN][maxN];//weight数组表示物品的重量,value数组表示物品的价值。
//dp数组表示前i件物品恰好装入容量j的时候的最大价值
int n,V;//表示物品的数量,V表示背包最大容量
int main(){
scanf("%d%d",&n,&V);
for(int i=1;i<=n;i++) scanf("%d%d",&weight[i],&value[i]);
for(int i=1;i<=n;i++){
for(int j=1;v<=V;v++){
//如果背包容量够装第i件物品 那分两种情况
//如果装第i件物品 那么就是求前i-1件物品放入容量为 j-w[i]背包中的最大价值
//如果不装第i件物品 ,那就是求前i-1件物品放入容量为j的背包中的最大价值
if(j>=weight[i])
dp[i][j]=max(dp[i-1][j],dp[i][j-weight[i]]+value[i]);
//如果背包容量小于当前物品重量 最大价值和之前一样 因为装不下第i件物品
else
dp[i][j]=dp[i-1][j]
}
}
cout<<dp[V];
return 0;
}
滚动数组优化 二维变一维,特别注意要逆序
#include<iostream>
#include<algorithm>
#include<cstdio>
using namespace std;
const int maxN=1000;
int weight[maxN],value[maxN];
int n,V;
int main(){
int dp[maxN]={0};
scanf("%d%d",&n,&V);
for(int i=1;i<=n;i++) scanf("%d%d",&weight[i],&value[i]);
for(int i=1;i<=n;i++){
for(int v=V;v>=weight[i];v--){
dp[v]=max(dp[v],dp[v-weight[i]]+value[i]);
}
}
cout<<dp[V];
return 0;
}
完全背包
完全背包模型与 0-1 背包类似,与 0-1 背包的区别仅在于一个物品可以选取无限次,而非仅能选取一次。
如果将0-1背包的例子改一下数据不变,只是每个物品都是无限的,再来填一下表
注意画圈的值
完全背包和0-1背包的差别就是在这。当对于第i件物品时,不选第i件物品时和0-1背包是一样的,当选第i件物品时
就拿14举个例子吧 14所在是
d
[
3
]
[
4
]
d[3][4]
d[3][4] 表示前3件物品 恰好装入容量为4的背包中所获得的最大价值 那么计算
d
[
3
]
[
4
]
d[3][4]
d[3][4]的时候 如果不装第i件物品 很显然是
d
[
2
]
[
4
]
d[2][4]
d[2][4]
如果装第i件物品时 是
d
[
2
]
[
2
]
+
7
d[2][2]+7
d[2][2]+7 吗? 很显然不是 应该是
d
[
3
]
[
2
]
+
7
d[3][2]+7
d[3][2]+7
d
[
3
]
[
2
]
d[3][2]
d[3][2]表示的是前3件物品恰好装入容量为2的背包中所获得的最大价值
因为当放第三件物品时 之前也可以放第三件物品 是可以重复放的
而如果表示成
d
[
2
]
[
2
]
d[2][2]
d[2][2] 则表示前2两件物品装入容量为2的背包中所获得的最大价值,就排除了第三件物品,实际上放第3件物品之前 只要容量够 之前就可以放3号物品 比如
d
[
3
]
[
2
]
=
7
d[3][2]=7
d[3][2]=7
区间DP
最大连续子序列和
给定一个序列
a
1
,
a
2
,
a
3
,
a
4
,
a
5
,
a
6......
a
n
a1,a2,a3,a4,a5,a6......an
a1,a2,a3,a4,a5,a6......an 求
i
,
j
i,j
i,j
(
1
≤
i
≤
j
≤
n
)
(1\leq i\leq j\leq n)
(1≤i≤j≤n)
使得
a
i
+
.
.
.
.
.
.
+
a
j
ai+......+aj
ai+......+aj最大,输出这个最大和
通过设置一个数组dp ,
d
p
[
i
]
dp[i]
dp[i] 表示已
a
[
i
]
a[i]
a[i]结尾的连续序列的最大和
那么就肯有两种情况
- 这个最大连续和的连续序列只有一个元素,就是以 a [ i ] a[i] a[i]开始,以 a [ i ] a[i] a[i] 结尾
- 这个最大连续和的连续序列有多个元素,以
a
[
p
]
a[p]
a[p]开始,到
a
[
i
]
a[i]
a[i]结束
状态转移方程
d p [ i ] = m a x { a [ i ] , d p [ i − 1 ] + a [ i ] } dp[i]=max\left\{ a[i],dp[i-1]+a[i]\right\} dp[i]=max{a[i],dp[i−1]+a[i]}
最长不下降子序列(Longest Increasing Sequence)
在一个数字序列中,找到一个最长的子序列(可以不连续)使得这个子序列是不下降的。