背包问题中掌握01背包问题和完全背包问题就已经足够,背包问题可以如下分类:
很多问题可以转化为背包问题来解决。
01背包:有n件物品和一个能背重量为W的背包。第i件物品的重量为weight[i],得到的价值为value[i],每件物品只能用一次,求解背包能获得的最大价值。
使用动态规划求解,动态规划五部曲如下:
(1)确定dp数组及下标
使用二位数组dp[i][j]表示从下标[0 - i] 的数组任意取,放进容量为j的背包,价值总和最大为多少。
(2)确定递推表达式
不放物品i:不放物品i时dp[i][j] = dp[i -1][j];
放物品i:dp[i][j] = dp[i -1][j - weight[i]] + value[i];
所以dp[i][j] = max(dp[i][j] = dp[i -1][j],dp[i -1][j - weight[i]] + value[i])。
(3)dp数组初始化
dp[i][0]均初始化为0,由递推表达式,dp[i][j]要由dp[i-1][j]推导,所以dp[0][j]需要初始化,当j小于weight[0]时应该为0,当j>=weight[0]时,dp[0][j]应该为value[0]。
(4)遍历顺序
遍历维度有两个:物品和背包重量,从任何一个维度开始遍历都可以。
(5)举例推导dp数组
完整实现代码如下:
void wei_bag_problem() {
vector<int> weight = {1,3,4};
vector<int> value = {15,20,35};
int bagweight = 4;
//1.dp数组及下标含义
vector<vector<int>> dp(weight.size(), vector<int>(bagweight + 1, 0));
//3.数组初始化
for(int j = weight[0]; j<=bagweight; j++) {
dp[0][j] = value[0];
}
//4.遍历顺序
//2.确定递推表达式
for(int i = 1; i<weight.size(); i++) {
for(int j = 0; j<=bagweight; j++) {
if(j<weight[i]) dp[i][j] = dp[i-1][j];
else dp[i][j] = max(dp[i-1][j], dp[i-1][j-weight[i]] + value[i]);
}
}
cout<<dp[weight.size()-1][bagweight] <<endl;
//5.举例推导dp数组
}
int main() {
wei_bag_problem();
}
使用滚动数组实现二维dp数组
由于dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);如果把i-1那一层直接复制到第i层,那就可以只用一个一维数组,dp[i][j] = max(dp[i ][j], dp[i][j - weight[i]] + value[i]);即为滚动数组dp[j],实现代码如下:
void wei_bag_problem() {
vector<int> weight = {1, 3, 4};
vector<int> value = {15, 20, 30};
int bagWeight = 4;
vector<int> dp(bagWeight + 1, 0);
for(int i = 0; i < weight.size(); i++) {
for(int j = bagWeight; j >= weight[i]; j--) {
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
}
}
cout << dp[bagWeight] << endl;
}
int main() {
wei_bag_problem();
}