动态规划-背包问题

可行性背包:例如要求不超过target时能拼出的最大重量

计数型背包:要求有多少种方式拼出重量target

最值型背包:要求能拼出的最大价值

0-1背包问题:

有N件物品和一个最多能被重量为W 的背包。第i件物品的重量是weight[i]，得到的价值是value[i] .每件物品只能用一次，求解将哪些物品装入背包里物品价值总和最大。

步骤一、确定状态:

确定dp数组以及下标的含义

对于背包问题，有一种写法， 是使用二维数组，即dp[i][j] 表示从 下标为[0-i]的物品里任意取，放进容量为j的背包，价值总和最大 是多少。

步骤二、推断状态方程:

再回顾一下dp[i][j]的含义:从下标为[0-i]的物品里任意取，放进容量为j的背包， 价值总和最大是多少。

那么可以有两个方向推出来dp[i][j]，

所以递归公式: dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);

步骤三、规定初始化和边界:

dp[0][j]，即:i为0，存放编号0的物品的时候， 各个容量的背包所能存放的最大价值。

那么很明显当 j < weight[0]的时候，dp[0][j] 应该是 0，因为背包容量比编号0的物品重量还 小。

当j >= weight[0]时，dp[0][j] 应该是 value[0]，因为背包容量放足够放编号0物品。

def test_2_wei_bag_problem1(bag_size, weight, value) -> int:
    rows, cols = len(weight), bag_size + 1
    dp = [[0 for _ in range(cols)] for _ in range(rows)]
    res = 0

    # 初始化dp数组
    for i in range(rows):
        dp[i][0] = 0
    first_item_weight, first_item_value = weight[0], value[0]
    for j in range(cols):
        if first_item_weight <= j:
            dp[0][j] = first_item_value

    # 更新dp数组, 先遍历物品，再遍历背包
    for i in range(len(weight)):
        cur_weight, cur_val = weight[i], value[i]
        for j in range(1, cols):
            if cur_weight > j: # 说明当前背包装不下当前物品
                dp[i][j] = dp[i-1][j]
            else:
                # 定义dp数组，dp[i][j] 前i个物品里，放进容量为j的背包，价值容量最大是多少
                dp[i][j] = max(dp[i-1][j], dp[i-1][j-cur_weight] + value[i])
                if dp[i][j] > res:
                    res = dp[i][j]

    return res

步骤一、确定状态:

确定dp数组以及下标的含义

在一维dp数组中，dp[j]表示:容量为j的背包，所背的物品价值可以最大为dp[j]。

步骤二、推断状态方程:

dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);

步骤三、规定初始化和边界:

dp数组在推导的时候一定是取价值最大的数，如果题目给的价值都是正整数那么非0下标都初始 化为0就可以了。

这样才能让dp数组在递归公式的过程中取的最大的价值，而不是被初始值覆盖了。

步骤四、计算顺序:

倒叙遍历是为了保证物品i只被放入一次!。但如果一旦正序遍历了，那么物品 0就会被重复加入多次!

def test_2_wei_bag_problem(bag_size, weight, value):
    # 初始化 全为0
    dp = [0] * (bag_size + 1)

    # 先遍历物品，在遍历背包容量
    for i in range(len(weight)):
        for j in range(bag_size, weight[i]-1, -1):
            dp[j] = max(dp[j], dp[j-weight[i]] + value[i])

            print(dp)


weight = [1, 3, 4]
value = [15, 20, 30]
bag_size = 4

test_2_wei_bag_problem(bag_size, weight, value)