经典0-1背包问题
背包问题是一类经典的动态规划问题,但在具体的算法考察过程中几乎不会直接问你背包问题原型,往往都是0-1背包的应用,需要自己分析判定是否符合背包问题的特征,是否能够使用动态规划去解决,所以对0-1背包本质理解很关键
给你一个背包,容量为W,你面前有一组物品(n1, n2, … ni),共计n个物品,每个物品ni具有二维属性(wi, vi), 分别表示当前物品的容量和物品本身的价值,每当把一个物品ni放入背包中,会占用掉wi的背包容量并获得vi的价值,问题:求解该背包装入这些物品能获得的最大价值Vmax。
具体实例:
重量(容量) | 价值(value) | |
---|---|---|
物品1 | 2 | 8 |
物品2 | 1 | 4 |
物品3 | 3 | 10 |
解题思路
- 确定dp数组(dp table)以及下标的含义(状态)
- 确定递推公式(状态转移)
- dp数组初始化(初始状态)
- 确定遍历顺序
- 举例推导dp数组
确定dp数组(dp table)以及下标的含义(状态)
题目中有重量,价值,和物品三个重要属性,所以设置二维数组dp[i][j];i表示第i个物品,j表示背包容量,dp[i][j]表示前i个物品(包括第i个)在背包容量为j时所能到达的最大价值。
确定递推公式(状态转移)
想要知道dp[i][j]的值,即前i个物品(包括第i个)放到容量为j的背包的最大价值,第i个物品有取与不取两种状态,不取则dp[i][j]=dp[i-1][j],取得话则dp[i][j]=dp[i-1][j-wi]+vi;
最后:
dp[i][j]=max(dp[i-1][j],dp[i-1][j-1]+vi);
这里说明一下取第i个物品为什么要令dp[i][j]=dp[i-1][j-wi]+vi,因为第i个物品的重量为j,只能从上一个状态dp[i-1]的所有状态中,容量剩余wi(j-wi)的状态中得来,增加了第i个物品,则它的价值增加,所以要加上vi
dp数组初始化(初始状态)
j=0时,价值只能为零,所以:
for(int i=0;i<h;i++) dp[i][0]=0;
只能放一个物品时,有且仅有:
dp[0][w0]=v0;
确定遍历顺序
该思路是先遍历物品后遍历背包,当然顺序反过来也可以
代码如下:
for(int i=1;i<h;i++)
for(int j=1;j<max;j++)
dp[i][j]=max(dp[i-1][j],dp[i-1][j-1]+vi);
举例推导dp数组
根据题目简单的案例推导dp数组,检查是否与程序所得相同,结束。
总结
背个包问题通常分为两个for循环,本次讲解使用二维数组,遍历顺序不用讲究,一维数组里面内循环的遍历顺序需要从大到小,保证每个物品只购买一次,完全背包问题需要从左往右遍历,后面会细讲。