动规应用——第六题背包问题

背包问题

动态规划——中等

背包问题

有 n 个物品和一个大小为 m 的背包. 给定数组 A 表示每个物品的大小和数组 V 表示每个物品的价值.

问最多能装入背包的总价值是多大?

1. A[i], V[i], n, m 均为整数
2. 你不能将物品进行切分
3. 你所挑选的要装入背包的物品的总大小不能超过 m
4. 每个物品只能取一次
5. m <= 1000

动态规划：

问题：

​ A[] 物品大小 V[] 物品价值，m背包容量，n物品个数，背包总价值多大？

状态分析：

​ 子问题：前i个物品放入大小为j的背包中所获得最大价值？

​ dp(i,j)：前i个物品放入大小为j的背包中所获得最大价值

状态转移方程：

​ 对于第i个商品，有一种例外，装不下，两种选择，放或者不放

装不下：

​ dp(i,j) = dp(i-1,j);

装的下：找最大

F(i, j) = max{F(i-1,j), F(i-1, j - A[i]) + V[i]}

F(i-1,j): 表示不把第i个物品放入背包中， 所以它的价值就是前i-1个物品放入大小为j的背包的最大价值
F(i-1, j - A[i]) + V[i]：表示把第i个物品放入背包中，价值增加V[i],但是需要腾出j - A[i]的大小放第i个商品

初始化：

​ 第0行和第0列都为0，表示没有装物品时的价值都为0
​ dp(0,j) = dp(i,0) = 0

返回值：

​ dp(n,m);

public int backPackII(int m, int[] A, int[] V) {
    // write your code here
    int n = A.length;
    if(m==0 || n==0)
        return 0;
    int[][] dp = new int[n+1][m+1];
    //初始化
    for(int i =0;i<=n;i++){
        dp[i][0] = 0;
    }
    for(int i=0;i<=m;i++){
        dp[0][i] = 0;
    }
    for(int i = 1;i<=n;i++){
        for(int j=1;j<=m;j++){
            //第i个商品在A中对应的索引为i-1: i从1开始
            //如果第i个商品大于j,说明放不下， 所以(i,j)的最大价值和(i-1,j)相同
            if(A[i-1] > j){
                dp[i][j] = dp[i-1][j];
            }
            //第i个商品可以在容量为j的背包放下
            else{
                //腾出位置，放入第i个商品后的价值
                int value = dp[i-1][j-A[i-1]]+V[i-1];
                //商品的最大价值
                dp[i][j] = Math.max(value,dp[i-1][j]);
            }
        }
    }
    return dp[n][m];
}

优化

public int backPackII(int m, int[] A, int[] V) {
    // write your code here
    int n = A.length;
    if(m==0 || n==0)
        return 0;
    int[] dp = new int[m+1];
    for(int i = 0;i<=m;i++){
        dp[i] = 0;
    }
    for(int i = 1;i<=n;i++){
        for(int j = m;j>0;j--){
            //如果第i个商品大于j,说明放不下， 所以(i,j)的最大价值和(i-1,j)相同
            //如果可以装下，分两种情况，装或者不装
            //如果不装，则即为(i-1, j)
            //如果装，需要腾出放第i个物品大小的空间： j - A[i],装入之后的最大价值即为(i - 1, j -A[i-1]) + 第i个商品的价值V[i]
            //最后在装与不装中选出最大的价值
            if(A[i-1] <= j){
                int value = dp[j-A[i-1]] + V[i-1];
                dp[j] = Math.max(value,dp[j]);
            }
        }
    }
    return dp[m];
}

动规一点也不难！！！？