描述
有 n 个物品和一个大小为 m 的背包. 给定数组 A 表示每个物品的大小和数组 V 表示每个物品的价值.
问最多能装入背包的总价值是多大?
样例
样例 1:
输入: m = 10, A = [2, 3, 5, 7], V = [1, 5, 2, 4]
输出: 9
解释: 装入 A[1] 和 A[3] 可以得到最大价值, V[1] + V[3] = 9
样例 2:
输入: m = 10, A = [2, 3, 8], V = [2, 5, 8]
输出: 10
解释: 装入 A[0] 和 A[2] 可以得到最大价值, V[0] + V[2] = 10
挑战
O(nm) 空间复杂度可以通过, 不过你可以尝试 O(m) 空间复杂度吗?
/*
状态:设F(i, j)表示:背包空间为 j 时,前 i 件物品的最大价值
转移方程:1.当A[i - 1] > j时,此时这件物品肯定放不下,因此 F(i, j) = F(i - 1, j)
2.当A[i - 1] <= j时,第 i 件物品可以选择放进背包,或不放进背包:
(1)不放进背包时最大价值 F(i, j) = F(i - 1, j);
(2)放进背包,第 i 件物品已经占据 A[i - 1] 空间的大小,背包还剩 j - A[i - 1]空间,
可用剩下的空间装前 i - 1 件物品因此此时的最大价值为 F(i, j) = F(i - 1, j - A[i - 1]) + V[i - 1]
即第 2 种情况的最大价值为(1), (2)中价值较大的 即 F(i, j) = max(F(i - 1, j), F(i - 1, j - A[i - 1]) + V[i - 1])
返回值:F(A.length, m)
*/
public int backPackII(int m, int[] A, int[] V) {
int len = A.length;
int[][] maxValue = new int[len + 1][m + 1];
//初始化
for (int i = 0; i <= len; i++) {
maxValue[i][0] = 0;
}
for (int j = 1; j <= m ; j++) {
maxValue[0][j] = 0;
}
for (int i = 1; i <= len; i++) {
for (int j = 1; j <= m; j++) {
if (A[i - 1] > j) {
maxValue[i][j] = maxValue[i - 1][j];
} else {
maxValue[i][j] = Math.max(maxValue[i -1][j], maxValue[i - 1][j - A[i - 1]] + V[i - 1]);
}
}
}
return maxValue[len][m];
}
上面的代码还可以优化:
当前的状态只与上一行当前列之前的列有关, 因此只需要保存上一行的值,但 j 要从后往前算,不然上一行第 j 列之前的列数据更新后的值就成了当前行的数据,而不是上一行的值
public int backPackII(int m, int[] A, int[] V) {
int len = A.length;
int[] maxValue = new int[m + 1];
//初始化
for (int i = 0; i <= m ; i++) {
maxValue[i] = 0;
}
for (int i = 1; i <= len; i++) {
for (int j = m; j >= 1; j--) { //当前的状态只与上一行当前列之前的列有关, 因此只需要保存上一行的值,但j要从后往前算,不然上一行第 j 列之前的列数据更新后的值就成了当前行的数据
if (A[i - 1] <= j) {
maxValue[j] = Math.max(maxValue[j], maxValue[j - A[i - 1]] + V[i - 1]);
}
}
}
return maxValue[m];
}