AcWing-01背包问题（思路+python代码）

当体积为1时，意味着，我们可以取第一个物品，第一个物品的体积是1，因此可以将其放入其中，所以，体积为1，编号为1的那个格子填入价值2，同理，当体积为2时，判断第一个物品的体积是否可以放入背包，因为第一个物品的体积是1，所以体积为2，编号为1的那个格子里面存放的价值也是2，对于第一行，无论体积是多少（除0以外），因为只选第一个物品，且第一个物品的体积是1，所以第一行的格子中填入的价值均是2.

第二行：因为此时的编号为二，也就是说，可以选择第一个物品和第二个物品，对于体积为1的时候，因为第二个物品的体积为2，所以只能放入第一个物品，因此它对应的价值还是2，当体积为2的时候，这时便是该问题的关键：判断放不放第二个物品，因为此时的体积为2，等于第二个物品的体积，因此需要判断，放第二个物品的价值大还是不放第二个物品的价值大，当不放第二个物品的时候，也就是相当于只放第一个物品，所以这时需找到该列的上一行也就是编号为1，体积为2时候的价值与放入第二个物品的价值进行比较，很明显我们可以看到，不放第二个物品的价值是2，当放入第二个物品后，此时剩余的体积为背包的体积减去第二个物品的体积，2-2=0，因为此时已经用过第二件物品了，所以要找编号为1，体积为零的价值相加，得到放入第二个物品的价值4+0=4，4>2，因此，此处填入4，同理，当体积为3时，此时背包的体积大于第二个物品的体积，接着判断，放入第二个物品的价值和不放第二个物品的价值哪个大，当不放第二个物品时，找到此行的上一行其价值为2，当放入第二个物品时，背包体积减去第二个物品的体积：3-2=1，找到，体积为1时，上一行的最大价值，也就是编号为一，体积为一的价值：2，所以放入第二个物品的价值是：4+2=6，所以此处填6，同样，接着判断体积为4，5时的最大价值，因为，只能选第一个物品和第二个物品，所以，无论体积是4还是5，它的最大价值均是6

第三行：当体积为1的时候，仍然是只能放入第一个物品，因此，最大价值是2，当体积为2时，还和前面的一样，放入第二个物品的价值更大，所以，最大价值是4，当体积为3的时候，因为背包体积等于第三个物品的体积，所以判断，是放入第三个物品的价值大还是不放入第三个物品的价值大，当不放入第三个物品的时候，找到编号为2，体积为3的最大价值：6，当放入第三个物品的价值是第三个物品的价值+背包体积减去第三个物品的体积对应的最大价值，也就是4+0=4，4<6，所以，此处填6，当体积为四的时候，接着判断放入第三个物品的价值和不放第三个物品的价值哪个大，不放时的最大价值是6，放入第三个物品的价值是4+2=6，所以相同，当体积为5时，不放第三个物品的价值是6，放入第三个物品的价值是4+4=8，因为放入第三个物品之后的体积为5-3=2，然后找到上一行体积为2的最大价值也就是4，所以最大价值为8

第四行：推理方式同前面几行，故不一一展示

2.一维数组：

解释：

可以通过使用一维数组的方法来缩减空间复杂度，使用一维数组的方式和二维数组相似，因为一维数组还是在二维数组那张表上进行迭代，也就是说，现在的一维dp数组，是相当于把二维dp数组中的每一行单独拿出来，但要注意，写二维数组递归的时候，需要倒叙枚举，当背包体积小于第i个物体的体积时，dp[j]=dp[j]，因为，假设我要求第四行的dp一维数组，我需要以第三行的dp一维数组为基础进行迭代，因为不放入第四号物品，相当于在相同体积的情况下第三号物品的最大价值，所以dp[j]=dp[j]，当背包的体积大于等于第i个物体的体积时，判读是否放入该物体，放入的情况是dp[j]=dp[j-bag[i-1][0]]+bag[i-1][1],不放的情况是dp[j]=dp[j]，

判断Max(dp[j],dp[j]=dp[j-bag[i-1][0]]+bag[i-1][1])

示例：

以求第三行dp一维数组为例：

第二行
0	2	4	6	6	6

第三行
0	2	4	6	6	8

以倒叙枚举的方式，从v开始，

当v=5时，i=3,v>3,所以判断第三个物品放不放，当不放时dp[5]=dp[5],dp[5]=6，当放入第三个物品时，dp[5]=dp[5-3]+bag[3-1]=8,8>6所以填入8,

当v=4时，4>3，不放为dp[4]=6，放入第三个物品时，dp[4]=dp[4-3]+bag[3-1]=6,故填入6,

当v=3时，3=3，不放为dp[3]=6,放入第三个物品时，dp[3]=dp[3-3]+bag[3-1]=4,故填入6,

当v=2时，2<3,故dp[2]=dp[2],故填入4，

当v=1时，1<3,故dp[1]=dp[1],故填入2，

当v=0时，0<3,故dp[0]=dp[0],故填入0，至此全部推出。

解释：

为什么要用倒叙枚举，因为在判断Max(dp[j],dp[j]=dp[j-bag[i-1][0]]+bag[i-1][1])时，dp[j-bag[i-1][0]]可能会用到前面的数据，倘若，我从前面进行枚举，这将会导致，需要用的数据丢失，从而导致dp列表出错。

3.总结

二维数组：

当j>=bag[i-1][0],判断MAX(dp[i-1][j],dp[i-1][j-bag[i-1][0]]+bag[i-1][1])

否则dp[i][j]=dp[i-1][j]

一维数组：

当j>=bag[i-1][0],判断MAX(dp[j],dp[j-bag[i-1][0]]+bag[i-1][1])

否则dp[j]=dp[j]

4.代码

dp列表：

[0, 0, 0, 0, 0, 0]
[0, 2, 2, 2, 2, 2]
[0, 2, 4, 6, 6, 6]
[0, 2, 4, 6, 6, 8]
[0, 2, 4, 6, 6, 8]

我们可以清晰的看到dp列表与我们前面列的表格如出一辙

python二维数组代码：

n,v=map(int,input().split())#接收物品的个数n,以及背包的体积v
bag=[]#创建一个列表接收每一个物品的体积和价值
for i in range(n):
    bag.append(list(map(int,input().split())))
    # bag.append([int(i) for i in input().split()])列表推导式
dp=[[0 for i in range(v+1)] for j in range(n+1)]#以列表推导式的形式创建一个二维数组来形成上图表格的形式

for i in range(1,n+1):#从第1开始，也就是说当i是几，就是第几号物品，当i=1时，指第1件物品
    for j in range(v+1):
        if j>=bag[i-1][0]:#判断背包的容量和第i+1件物品的大小关系，因为bag的下标从0开始所以为了保持物品的一致需要进行减1
            dp[i][j]=max(dp[i-1][j],dp[i-1][j-bag[i-1][0]]+bag[i-1][1])#判断放第i件物品的价值大，还是不放第i件物品的价值大
        else:
            dp[i][j]=dp[i-1][j]
print(dp[-1][-1])

python一维数组代码：

n,v=map(int,input().split())
bag=[]
dp=[0 for i in range(v+1)]
for i in range(n):
    bag.append(list(map(int,input().split())))
for i in range(1,n+1):
    for j in range(v,-1,-1):#因为从后往前推，所以倒叙
        if(j>=bag[i-1][0]):
            dp[j]=max(dp[j],dp[j-bag[i-1][0]]+bag[i-1][1])
        else:
            dp[j]=dp[j]
print(dp[v])

Sbzl004

关注

55
点赞
踩
16

收藏

觉得还不错? 一键收藏
1
评论
AcWing-01背包问题（思路+python代码）

二维数组：当j>=bag[i-1][0],判断MAX(dp[i-1][j],dp[i-1][j-bag[i-1][0]]+bag[i-1][1])否则dp[i][j]=dp[i-1][j]一维数组：当j>=bag[i-1][0],判断MAX(dp[j],dp[j-bag[i-1][0]]+bag[i-1][1])否则dp[j]=dp[j]
复制链接

扫一扫