动态规划-背包问题
这是一个九章lintcode上的动态规划算法题,该题的解题思路基于九章侯老师的讲解给出。
题目出处:https://www.lintcode.com/problem/92/description?showListFe=true&page=1&tagIds=400&pageSize=50
相关题目:
动态规划-背包问题
动态规划-背包问题(二)
动态规划-背包问题(三)
动态规划-Backpack VI
动态规划-背包问题 V
1 描述
在 n 个物品中挑选若干物品装入背包,最多能装多满?假设背包的大小为m,每个物品的大小为Ai
(每个物品只能选择一次且物品大小均为正整数)
Lintcode超级VIP年卡 618预售 享买一年送一年
微信加【jiuzhang1104】备注【VIP】即可参加
你不可以将物品进行切割
n<1000
m<1e5
2 样例
2.1 样例 1:
输入:
数组 = [3,4,8,5]
backpack size = 10
输出:
9
解释:
装4和5.
2.2 样例 2:
输入:
数组 = [2,3,5,7]
backpack size = 12
输出:
12
解释:
装5和7.
3 算法解题方法和实现
3.1 解题思路
3.1.1 确定状态
设f[i][j]表示的是前i个物品是否可以拼出j的重量来
3.1.2 转移方程
3.1.3 初始条件和边界情况
初始条件:
f[0][0] = true 表示前0个物品可以拼出0的重量来
f[0][1],…,f[0][m] = false 表示前0个物品无法拼出其他的重量来
边界条件:
计算的前提条件为:j > a[i - 1]
3.1.4 计算顺序
f[0][0] … f[0][m]
…
f[n][0] … f[n][m]
结果为:前n个物品能拼出的重量f[n][0] … f[n][m]
3.2 算法实现
3.2.1 java实现
public class Solution {
/**
* @param m: An integer m denotes the size of a backpack
* @param a: Given n items with size A[i]
* @return: The maximum size
*/
public int backPack(int m, int[] a) {
// write your code here
int n = a.length;
if (n == 0) {
return 0;
}
boolean[][] f = new boolean[n + 1][m + 1];
f[0][0] = true;
for (int i = 1; i <= m; i++) {
f[0][i] = false;
}
for (int i = 1; i <= n; i++) {
for (int j = 0; j <= m; j++) {
f[i][j] = f[i - 1][j];
if (j >= a[i - 1]) {
f[i][j] |= f[i - 1][j - a[i - 1]];
}
}
}
int res = 0;
for (int i = m; i >= 0; i--) {
if (f[n][i] == true) {
res = i;
break;
}
}
return res;
}
}
3.2.2 c++(时间超时)
c++在实现的时候会提示运行时间超时,但是在算法实现上和java是一样的,目前还没有想明白为什么会出现这种情况
class Solution {
public:
/**
* @param m: An integer m denotes the size of a backpack
* @param a: Given n items with size A[i]
* @return: The maximum size
*/
int backPack(int m, vector<int> &a) {
// write your code here
int n = a.size();
if (n == 0) {
return 0;
}
vector<vector<bool>> f(n + 1, vector<bool>(m + 1, false));
f[0][0] = true;
for (int i = 1; i <= n; i++) {
for (int j = 0; j <= m; j++) {
f[i][j] = f[i - 1][j];
if (j >= a[i - 1]) {
f[i][j] = f[i][j] || f[i - 1][j - a[i - 1]];
}
}
}
for (int i = m; i >= 0; i--) {
if (f[n][i]) {
return i;
}
}
}
};
3.2.3 空间优化后的实现
该算法是在lintcode上一位算法好友分享的实现方法,简洁清晰。后面的计算充分利用二维空间前面的结果,进而覆盖掉之前的计算结果而获得最终的计算结果。
public class Solution {
/**
* @param m: An integer m denotes the size of a backpack
* @param a: Given n items with size A[i]
* @return: The maximum size
*/
public int backPack(int m, int[] A) {
// write your code here
int n = A.length;
if (n == 0) {
return 0;
}
int f[] = new int[m + 1];
for (int i = 0; i < A.length; i++) {
for (int j = m; j >= A[i]; j--) {
f[j] = Math.max(f[j], f[j - A[i]] + A[i]);
}
}
return f[m];
}
}