代码随想录算法训练营第四十六天| 第九章动态规划：139.单词拆分，关于多重背包你该了解这些，背包问题总结篇（python）

动态规划解背包问题

最新推荐文章于 2024-09-30 14:41:13 发布

原创最新推荐文章于 2024-09-30 14:41:13 发布 · 296 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #动态规划 #leetcode #python

博客介绍了如何使用动态规划解决单词拆分和多重背包问题。在单词拆分问题中，通过建立dp数组找到字符串能被字典中单词拆分的可能性。在多重背包问题中，将物品展开成01背包问题，并通过动态规划找到最大价值的物品组合。涉及关键概念包括动态规划、01背包、多重背包和物品展开策略。

139.单词拆分

关于多重背包你该了解这些

背包问题总结篇

139.单词拆分

视频讲解链接文字讲解链接

class Solution:
    def wordBreak(self, s: str, wordDict: List[str]) -> bool:
        n = len(s)
        dp = [False] * (n+1) 
        dp[0] = True
        for j in range(1, n+1): #遍历背包容量，即s的容量
            for i in range(j): #遍历物品：在j前的字符串寻找
                if dp[i] and (s[i:j] in wordDict) or dp[j]: #如果dp[i]是true且i到j可以在字典中找到，或者dp[j]自身就满足条件
                    dp[j] = True
        return dp[-1]

关于多重背包你该了解这些

文字讲解链接

问题描述：有N种物品和一个容量为V 的背包。第i种物品最多有Mi件可用，每件耗费的空间是Ci ，价值是Wi 。求解将哪些物品装入背包可使这些物品的耗费的空间总和不超过背包容量，且价值总和最大。

方法：可以摊开成01背包问题，再用01背包的解决方法解决，代码如下。

def test_multi_pack():
    weight = [1, 3, 4]
    value = [15, 20, 30]
    nums = [2, 3, 2]
    bag_weight = 10
    for i in range(len(nums)):
        # 将物品展开数量为1
        while nums[i] > 1:
            weight.append(weight[i])
            value.append(value[i])
            nums[i] -= 1
    
    dp = [0]*(bag_weight + 1)
    for i in range(len(weight)): # 遍历物品
        for j in range(bag_weight, weight[i] - 1, -1): # 遍历背包
            dp[j] = max(dp[j], dp[j - weight[i]] + value[i])
    
    print(" ".join(map(str, dp)))