01背包是经典的动态规划问题,思想为取或不取第i个物品下第j空间的最大值,故可以直接进行动态规划方程构建: dp[i][j] = Math.max(dp[i - 1][j],dp[i - 1][j - wg[i]] + va[i]);
例题如下:
有 NN 件物品和一个容量是 VV 的背包。每件物品只能使用一次。
第 ii 件物品的体积是 vivi,价值是 wiwi。
求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。
输出最大价值。
输入格式
第一行两个整数,N,VN,V,用空格隔开,分别表示物品数量和背包容积。
接下来有 NN 行,每行两个整数 vi,wivi,wi,用空格隔开,分别表示第 ii 件物品的体积和价值。
输出格式
输出一个整数,表示最大价值。
数据范围
0<N,V≤10000<N,V≤1000
0<vi,wi≤10000<vi,wi≤1000
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例:
8
解题代码:
import java.io.BufferedReader;
import java.io.InputStreamReader;
public class Main{
public static void main(String [] args) throws Exception{
BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
int n,m;
int [] v,w;
int [][] dp;
String[] s = br.readLine().split(" ");
n = Integer.parseInt(s[0]);
m = Integer.parseInt(s[1]);
v = new int[n + 1];
w = new int[n + 1];
dp = new int[n + 1][m + 1];
for(int i = 1; i <= n; i++){
s = br.readLine().split(" ");
v[i] = Integer.parseInt(s[0]);
w[i] = Integer.parseInt(s[1]);
}
for(int i = 1; i <= n; i++){
for(int j = 1; j <= m; j++){
dp[i][j] = dp[i - 1][j];
if(j >= v[i]){
dp[i][j] = Math.max(dp[i][j],dp[i-1][j-v[i]] + w[i]);
}
}
}
System.out.println(dp[n][m]);
}
}
该题时间复杂度为O(nm),基本无法进行优化,但是可以对空间复杂度进行优化,思路如下:
for(int i = 1; i <= n; i++){
for(int j = 1; j <= m; j++){
dp[i][j] = dp[i - 1][j];
if(j >= v[i]){
dp[j] = Math.max(dp[j],dp[j-v[i]] + w[i]);
}
}
}
该部分进行循环求解时,dp[i][j]的状态仅仅和上一层相关,故可以直接利用滚动数组进行存储上一层状态,即变为
for(int i = 1; i <= n; i++){
for(int j = v[i]; j <= m; j++){
dp[i][j] = Math.max(dp[i][j],dp[i-1][j-v[i]] + w[i]);
}
}
但是将重量进行正序运算时,会覆盖上一层状态的值(由于数组没有第一维的约束),故可以将重量逆序列举(由于方程中不会使用到大于当前状态重量的重量)
即:
for(int i = 1; i <= n; i++){
for(int j = m; j >= v[i]; j--){
dp[j] = Math.max(dp[j],dp[j-v[i]] + w[i]);
}
}
这样便可降低空间复杂度
具体优化代码如下:
import java.io.BufferedReader;
import java.io.InputStreamReader;
public class Main{
public static void main(String [] args) throws Exception{
BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
int n,m;
int [] v,w;
int [] dp;
String[] s = br.readLine().split(" ");
n = Integer.parseInt(s[0]);
m = Integer.parseInt(s[1]);
v = new int[n + 1];
w = new int[n + 1];
dp = new int[m + 1];
for(int i = 1; i <= n; i++){
s = br.readLine().split(" ");
v[i] = Integer.parseInt(s[0]);
w[i] = Integer.parseInt(s[1]);
}
for(int i = 1; i <= n; i++){
for(int j = m; j >= v[i]; j--){
dp[j] = Math.max(dp[j],dp[j-v[i]] + w[i]);
}
}
System.out.println(dp[m]);
}
}