我对背包问题的看法
由于琢磨了一道最基础的题目,找打了空间复杂度为o(n)的算法
思路如下,dp[i]表示第i个目标值时的最大容量或者价值
如果数组元素可以重复,则对dp的内循环采用从小到大的策略
否则,从大到小循环
注意的是,边界条件的选取。对于这个选取,我喜欢举一个小栗子,通过流程图,直观的看出细节
一些小栗子
Lintcode 92 背包问题1
class Solution:
#d[j]表示当size等于j时,最多能承重的大小
def backPack(self, m, A):
dp = [0] * (m + 1)
for i in range(len(A)):
for j in range(m, A[i] - 1, -1):
dp[j] = max(dp[j], dp[j - A[i]] + A[i])
return dp[m]
Lintcode 125 背包问题2
class Solution:
def backPackII(self, m, A, V):
size=len(A)
dp=[0]*(m+1)
for i in range(size):
for j in range(m,A[i]-1,-1):
dp[j]=max(dp[j],dp[j-A[i]]+V[i])
return dp[m]
Lintcode 440 背包问题3
class Solution:
def backPackIII(self, A, V, m):
if not A:
return 0
else:
dp=[0]*(m+1)
for i in range (len(A)):
#注意只取一次和很多次的区别,重复取,从小到大内循环
for j in range(A[i],m+1):
dp[j]=max(dp[j],dp[j-A[i]]+V[i])
return dp[m]
Lintcode 562 背包问题4
class Solution:
def backPackIV(self, nums, target):
if not nums:
return 0
else:
dp=[0]*(target+1)
for i in range(len(nums)):
for j in range(nums[i],target+1): #可重复,从小到大内循环
if dp[j-nums[i]]==0: #初始状态,从0到1的判断,验证nums[2,3,6],target=6
if j%nums[i]==0:
dp[j]+=1
else:
dp[j]+=dp[j-nums[i]]
return dp[target]
背包问题4还可以改进一下代码,注意到初始状态,若只令dp[0]=1也符合要求,故有如下方案
class Solution:
def backPackIV(self, nums, target):
if not nums:
return 0
else:
dp=[0]*(target+1)
dp[0]=1
for i in range(len(nums)):
for j in range(nums[i],target+1):
dp[j]+=dp[j-nums[i]]
return dp[target]
Lintcode 563 背包问题5
class Solution:
def backPackV(self, nums, target):
if not nums:
return 0
else:
dp=[0]*(target+1)
for i in range(len(nums)):
for j in range(target,nums[i]-1,-1): #不能重复,内循环从大到小
if dp[j-nums[i]]==0:
if j/nums[i]==1:
dp[j] +=1
else:
dp[j]+=dp[j-nums[i]]
return dp[target]
同理,对于背包问题5,经检验,令dp[0]=1成立,因为对于任何大于0的数,它本身便是一种方案,简洁代码如下
class Solution:
def backPackV(self, nums, target):
if not nums:
return 0
else:
dp=[0]*(target+1)
dp[0]=1
for i in range(len(nums)):
for j in range(target,nums[i]-1,-1):
dp[j]+=dp[j-nums[i]]
return dp[target]
还有些题目,因为不是vip,做不起(贫穷的泪水)
加油!今天又进步了一些~