一、题目描述
有 n 个物品和一个大小为 m 的背包. 给定数组 A 表示每个物品的大小和数组 V 表示每个物品的价值。
问最多能装入背包的总价值是多大?
注意:
- A[i], V[i], n, m 均为整数
- 你不能将物品进行切分
- 你所挑选的要装入背包的物品的总大小不能超过 m
- 每个物品只能取一次
样例
样例 1:
输入: m = 10, A = [2, 3, 5, 7], V = [1, 5, 2, 4]
输出: 9
解释: 装入 A[1] 和 A[3] 可以得到最大价值, V[1] + V[3] = 9
样例 2:
输入: m = 10, A = [2, 3, 8], V = [2, 5, 8]
输出: 10
解释: 装入 A[0] 和 A[2] 可以得到最大价值, V[0] + V[2] = 10
基本思路
这是最基础的背包问题,特点是:每种物品仅有一件,可以选择放或不放。
用子问题定义状态:即 f[i][v] 表示前 i 件物品恰放入一个容量为 v 的背包可以获得的最大价值。则其状态转移方程便是:
f[i][v] = max{f[i - 1][v], f[i - 1][v - c[i]] + w[i]}
这个方程非常重要,基本上所有跟背包相关的问题的方程都是由它衍生出来的。所以有必要将它详细解释一下:“将前 i 件物品放入容量为 v 的背包中”这个子问题,若只考虑第 i 件物品的策略(放或不放),那么就可以转化为一个只牵扯前 i-1 件物品的问题。如果不放第 i 件物品,那么问题就转化为“前 i - 1 件物品放入容量为 v 的背包中”,价值为 f[i - 1][v];如果放第 i 件物品,那么问题就转化为“前 i - 1 件物品放入剩下的容量为 v - c[i] 的背包中”,此时能获得的最大价值就是 f[i - 1][v - c[i]] 再加上通过放入第i件物品获得的价值 w[i]。
public int backPackII(int m, int[] A, int[] V) {
if (m == 0 || A.length == 0) {
return 0;
}
int[][] dp = new int[A.length + 1][m + 1];
for (int i = 1; i <= A.length; i++) {
for (int v = 1; v <= m; v++) {
dp[i][v] = Math.max(dp[i - 1][v], dp[i][v]);
if (v >= A[i - 1]) {
dp[i][v] = Math.max(dp[i - 1][v], dp[i - 1][v - A[i - 1]] + V[i - 1]);
}
}
}
return dp[A.length][m];
}
优化空间复杂度
以上方法的时间和空间复杂度均为O(mn),其中时间复杂度应该已经不能再优化了,但空间复杂度却可以优化到O(m)。