Acwing 01背包闫式DP分析法

我不是猫猫头

已于 2023-02-05 20:57:46 修改

阅读量117

点赞数

文章标签：算法动态规划深度优先

于 2023-02-05 18:46:01 首次发布

本文链接：https://blog.csdn.net/sjskbxiqznkqk/article/details/128892548

版权

Acwing 01背包闫式DP分析法

今天把终于把DP问题中的01背包问题以及Y总的分析法学到了一点皮毛，对我来说是个很大的进步，所以我想写一篇来记录下今天所分析到的，保证用最简洁的话来描述。

闫式DP分析法介绍

y总说过闫式DP分析法就是从集合的角度来分析dp类的问题，虽然不是最简洁，但是最清楚，当我学完之后我也能感觉我学到了一二

核心思想

有限集合中的最值

具体分析步骤

$传(img-89ZepTYS-1675593917449)(C:\Users\gelou\Desktop\IMG_0497.PNG)]$

接下来一一进行解释

对于动态规划问题可分为两步走

分析状态表示
分析状态计算

对于状态表示

可分为集合以及属性，其中集合的概念我觉得最为重要

集合：意思就是要将要分析的具体的问题转化成什么样子的集合

一般的分析步骤为

f( i , j) 的意思为此问题主要分为二维来进行分析第一维一般表示为前 i 个物品

而后面的第 j 维度一般都是对题目意思的限制，例如在 01 背包问题中就表示为对体积的限制

拓展 —— f(i , j , x ) 表示三维，也就是分为一个主要的物品限制以及两个相关的限制条件

属性分析，于01 背包问题中是代表着需要进行 max 值

状态表示借用Y总的话就是将其化0为整

对于状态计算

上课笔记图如下

分析：

一、对于状态分析来说，就是将状态表示中从0化整的数将其重新归为0 ，即：将整体转化为子集问题

二、将其划分的依据就是寻找到最后一个不同点对于这个我举个栗子

在01 背包模型中，最后一个不同点就是最后的一个物品，每一个物品都代表这一个不同点，因此于01 背包模型中就是将其作为划分依据，将其划分为有 i 以及无 i 两个组别

三、对于不同组别的==f（i , j )==的分析方式

在这里需要具体问题具体分析，但是可以将其带入到在状态标识我们对于这个题目集合的定义来理解

栗子：在01 背包模型之中 f( i , j) 的具体的解释就是 ①只考虑前i 个物品 ② 总体积不超过 j

0 1 背包问题

状态表示分析

在这里插入图片描述

状态计算分析

补充解释

在这里不选 i 中，因为不选i 因此是从 f( i , j ) 中的i 为 1~ i , 原本包括 i 因为不选i 因此不包含 i 所以为 1 ~ i - 1

j 为 <= j

同理在选 i 的过程中

因为选 i 所以 i 部分就变成了不变的部分，变化的部分只为 1 ~ i - 1 部分因此 f (i , j ) 中的i就表示为 i-1

因为必选 i ，因此减去 i 所附带的体积 v[i] 即 f(i , j ) 中的 j 表示为 f(i-1 , j - v[i])

然后将其带入集合的定义中来理解就如下图所写一样，字有点马虎，见谅

无优化版本的代码如下

#include<iostream>

using namespace std;

const int N=1010;

int v[N],w[N];
int n,m;
int f[N][N];

int main()
{
    cin>>n>>m;
    
    for(int i=1;i<=n;i++ ) cin>>v[i]>>w[i];
    
    
    for(int i=1;i <=n;i++)
        for(int j=1;j<=m ;j ++ )
        {
            f[i][j] = f[i-1][j];
            if(j>=v[i] ) f[i][j] = max(f[i][j],f[i-1][j-v[i]] + w[i]);
            
        }
        
    cout<<f[n][m];//考虑前n个集合里面且总体积为m的集合
    
    return 0;
}