引言
背包问题是一类经典的优化问题,广泛出现在计算机科学、运筹学、经济学和工程学等领域。动态规划是解决背包问题的常用方法。本文将详细介绍两种常见的背包问题:0-1背包问题和完全背包问题,并展示如何使用动态规划来解决它们。
一、0-1背包问题
1.1 问题定义
0-1背包问题是最基本的背包问题。给定一组物品,每种物品都有自己的重量和价值,背包的总容量是固定的。目标是在不超过背包总容量的前提下,选择一部分物品装入背包,使得背包内物品的总价值最大。
1.2 动态规划解法
- 状态定义:设 $ dp[i][j] $ 表示在前 $ i $ 个物品中选择,使得总重量不超过 $ j $ 时的最大价值。
- 状态转移方程:对于第 $ i $ 个物品,可以选择放入背包或不放入背包。
- 如果不放入背包,则 $ dp[i][j] = dp[i-1][j] $。
- 如果放入背包,则 $ dp[i][j] = dp[i-1][j - weight[i]] + value[i] $,前提是 $ j \geq weight[i] $。
- 边界条件:$ dp[0][j] = 0 $,因为没有物品时总价值为0。
1.3 代码示例
def zero_one_knapsack(weights, values, capacity):
n = len(weights)
dp = [[0] * (capacity +