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A[i]
你不可以将物品进行切割。
您在真实的面试中是否遇到过这个题?
是
样例
如果有4个物品[2, 3, 5, 7]
如果背包的大小为11,可以选择[2, 3, 5]装入背包,最多可以装满10的空间。
如果背包的大小为12,可以选择[2, 3, 7]装入背包,最多可以装满12的空间。
函数需要返回最多能装满的空间大小。
挑战
O(n x m) time and O(m) memory.
O(n x m) memory is also acceptable if you do not know how to optimize memory.
动态规划的经典问题,不带有价值,只有重量。
决策过程:
1.划分阶段:每次选择一个物品,建立一个容器保留所有大小的背包可容纳重量
2.确定状态和状态变量。重量为j的物品,m大小的背包,所容纳的重量是m-j大小的背包所容纳的重量+j
3.确定决策并写出状态转移方程。根据2,每次比较m大小的背包和m-j大小的背包所容纳的重量+j哪个更重。
4.寻找边界条件,0和m
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) {
int n = A.size(), i = 0, j = 0;
vector<int> dp(m + 1, 0);
for(i=0; i<n; i++) {
for(j=m; j>=1; j--) {
if(j >= A[i]) {
dp[j] = max(dp[j],dp[j-A[i]] + A[i]);
}
}
}
return dp[m];
}
};
优化版本,速度更快:
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
bool f[m + 1];
for (int i = 0; i <= m; i++) {
f[i] = false;
}
f[0] = true;
for (int j = 0; j < A.size(); j++) {
for (int i = m; i >= A[j]; i--) {
f[i] = f[i] || f[i - A[j]];
} // for j
} // for i
for (int i = m; i >= 0; i--) {
if (f[i]) {
return i;
}
}
return 0;
}
};