这篇博客介绍了01背包问题，一个经典的NP完全问题。通过动态规划的方法，详细阐述了如何寻找最大价值的解决方案。文章内容包括问题描述、动态规划的分析设计，以及源代码和运行结果展示。动态规划的思路是从子问题出发，构建二维数组记录不同状态下的最优解，并通过递推关系计算出整个问题的解，时间复杂度为O(nW)。
01背包问题
背包问题是著名的NP完全问题，在实际生活中有广泛的应用。01背包是背包问题中的一种，也是较简单的一种，利用动态规划的思想可以寻求01背包的解。
问题描述
设有n个物品，他们具有各自的重量w和价值v；给定一个具有一个容量W的背包，求将物品有选择的放入背包中，使得装入的物品的价值之和最大？
01背包：物品是完整个体，只存在放或不放两种状态，不能放入一部分。
分析设计
动态规划求解问题需要找到可分解的大问题，将问题不断划分为子问题就可以求解，通过一个二维数组构成的表的形式记录子问题，最终大问题的解也可以求解出来。
01背包问题中的子问题是什么？
- 更少的物品：当只有0件物品时，答案就很明显了，不用放；
- 更小的背包：当背包的容量为0时，答案就很明显了，放不了。
因此构建二维数组 K ( n , W ) K(n,W) K(n,W)，其中 K ( i , j ) K(i,j) K(i,j)表示：当前背包容量为j，物品有前i个可以放，此时的背包问题的。
只要我们能找到一个递推关系，能使我们从 K ( 0 , 0 ) K(0,0) K(0,0)算到 K ( n , W ) K(n,W) K(n,W)即可， K ( n , W ) K(n,W) K(n,W)就是整个大问题的解。
对于求 K ( i , j ) K(i,j) K(i,j)，当前商品存在了两种可能：
- 新的物品i加进来，背包放不下，即第i件物品在背包容量为k的情况下不放入背包—— K ( i , j ) = K ( i − 1 , j ) K(i,j)=K(i-1,j) K(i,
最低0.47元/天 解锁文章
448
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
