文章目录
一、算法图解
1、背包问题
1.1 最近红红买了个新背包,但是这个新背包的容量只有4磅,装入什么可使背包中物品的价值最大
可选择的物品:
让我们浅浅地列个表格吧
网格最初是空的,你将填充其中的每个单元格
网格的各行为商品,各列为不同容量(1~4磅)的背包
此时你很可能心存疑惑:原来的问题说的是4磅的背包,我们为何要考虑容量为1磅、2磅等的背包呢?
因为动态规划从小问题着手,逐步解决大问题。这里解决的子问题将帮助你解决大问题
在每一行,可选择的商品都为当前行的商品以及之前各行的商品
公式(伪代码):
- 你可以使用这个公式来计算每个单元格的价值,最终的网格将与前一个网格相同。
- 现在你明白了为何要求解子问题吧?你可以合并两个子问题的解来得到更大问题的解
1.2 背包问题Q&A
1.2.1 再增加一件可选商品如何呢?
再增加一件iphone
- 不可能。每次迭代时,你存储的都是 当前的最大价值。
- 划重点:在每一行,可偷的商品都为当前行的商品以及之前各行的商品
- 最后一行之前,没有偷到iphone,最大价值的物品中 还不包含iphone
最大价值不可能比以前低!
1.2.2 行的排列顺序 发生变化时结果将如何
答案会随之变化吗?假设你按如下顺序填充各行:音响、笔记本电脑、吉他。网格将会是什么样的?
答案没有变化。也就是说,各行的排列顺序无关紧要。
1.2.3 旅游行程最优化
最近红红放假了,他决定去欧洲旅游,但是假期只有两天,没法将所有景点去完,因此尽量选择评分最高的景点,请帮红红选出最优旅游行程
约束条件不是背包的容量,而是有限的时间;不是决定该装入哪些商品,而是决定该去游览哪些名胜
1.2.4 处理相互依赖的情况
上述旅游清单中添加几项
单独玩时:
- 这3个地方都玩需要的总时间为3.5天 这种有依赖捆绑关系的事件,无法用动态规划解决
但仅当每个子问题都是离散的,即不依赖于其他子问题时,动态规划才管用。
2、最长公共子串
2.1 找出单词hish和fish的最长公共子串
- 红红想查单词fish,但不小心输入了hish。在你的字典中,根本就没有这样的单词,但有几个类似的单词。那他原本要输入的是fish还是vista呢?
- 那么hish和fish都包含的最长子串是多少个字母?hish和vista呢?
每个单元格都是一个子问题的值
公式:
- 对于前面的背包问题,最终答案总是在最后的单元格中。
- 但对于最长公共子串问题,答案为网格中最大的数字——它可能并不位于最后的单元格中
我们回到最初的问题:哪个单词与hish更像?
hish和fish的最长公共子串包含三个字母,而hish和vista的最长公共子串包含两个字母。
因此红红很可能原本要输入的是fish
3、最长公共子序列
3.1 假设红红不小心输入了fosh,他原本想输入的是fish还是fort呢?
- 最长公共子串的长度相同,都包含两个字母!
- 但fosh与fish更像,有3个公共字母,而fort 和forsh只要2个公共字母
计算最长公共子序列的表格:
这个表格是什么意思?怎么列出来的嘞?
最终表格:
公式(伪代码):
二、题目/代码
1、背包问题
有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。
第 i 件物品的体积是 vi,价值是 wi。
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,V,用空格隔开,分别表示物品数量和背包容积。 接下来有 N 行,每行两个整数 vi,wi,用空格隔开,分别表示第 i
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≤1000, 0<vi,wi≤1000
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例:
8
二维:
思路:
1、f [ i ][ j ]:表示前i个物品,背包容量为j时的最优解
2、初始状态为f [ 0 ][ 0 ] = 0;
3、当背包容量装不下第i个物品时( j < v[ i ] )不选第i个物品,
代码:f [ i ][ j ] = f [ i - 1 ][ j ]
4、当背包可以装下第i个物品时,需要将两种情况取max来决定选不选第i个物品:
4.1 选:f [ i - 1 ][ j - v[ i ] ] + w [ i ]
4.2不选:f[ i - 1 ][ j ]
即:f [ i ][ j ] = max (f [ i - 1 ][ j ], f [ i - 1 ][ j- v[ i ] ] + w [ i ] );
公式:
if(j<v[i])
f[i][j]=f[i-1][j];
else
f[i][j]=max(f[i-1][j], f[i-1][j-v[i]] + w[i]);
AC代码:
#include<iostream>
using namespace std;
int n,m;
const int N=1010;
int v[N],w[N];
int f[N][N];
int main()
{
cin>>n>>m;//物品数量、背包容积
for(int i=1; i<=n; i++)
{
cin>>v[i]>>w[i];//物品的体积和价值
}
//f[0][0]=0; //初始化为0
for(int i=1; i<=n; i++) //物品数量
{
for(int j=1; j<=m; j++) //背包容量
{
if(j<v[i]) //第i个物品装不下
{
//第i个背包的容量为j,第i-1个背包的容量也为j
f[i][j]=f[i-1][j];
}
else //第i个物品可以装下
{
//1、上一个单元格的值j
//2、当前商品的价值(j-v[i])+剩余空间的价值w[i]
//1、2、中取较大的一个,为当前第i个背包的总价值
f[i][j]=max(f[i-1][j], f[i-1][j-v[i]] + w[i]);
//不要忘记加 第i个物品的价值 w[i]
}
}
}
cout<<f[n][m]<<endl;
return 0;
}
一维:
公式:
for( int j = m; j >= v; j-- )
f [ j ] = max ( f [ j ], f [ j - v ] + w );
AC代码:
#include<iostream>
using namespace std;
const int N=1010;
int v,w;
int f[N];
int main()
{
int n,m;//物品数量、背包容积
cin>>n>>m;
for(int i=1;i<=n;i