完全背包问题的时间优化及其理解：使用一维dp数组的背包

最新推荐文章于 2024-06-27 14:07:41 发布
最新推荐文章于 2024-06-27 14:07:41 发布
阅读量624 收藏
点赞数
分类专栏： 算法 文章标签： 算法 动态规划
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44176696/article/details/104073328
版权
本文介绍了完全背包问题的时间优化方法，通过改变一维dp数组的状态计算方向，从正向更新角度提升效率。解释了01背包为何需要倒序更新，而完全背包适合正向更新的原因，并提供了一个例题及解题过程。
摘要由CSDN通过智能技术生成

完全背包问题的时间优化及其理解：使用一维dp数组的背包

Re：View

上一篇：完全背包最简单粗暴的解法https://blog.csdn.net/weixin_44176696/article/details/104073113

优化

优化的方式有些许雷人，就是把一维数组表示的 01 背包问题（戳这里回顾01背包的一维dp数组表示）的状态计算的内环的for循环改个方向即可：

// 完全背包的一维dp数组的更新
// dp[j] 表示第i次主循环中，使用费用j拿取前i个物品的最大价值 
// n是物品数，m是背包容量
// value[i]，cost[i]表示第i件物品的价钱，重量
for(int i=2; i<=n; i++)
{
   
	for(int j=0; j<=m; j++)
	{
   
		if(j >= cost[i])
		{
   
			dp[j] =
最低0.47元/天 解锁文章
AkagiSenpai
关注
专栏目录
01背包空间优化，完全背包时间优化 的图解
AKGWSB 's blog
03-30 2644
01背包空间优化 当初学01背包的时候，会有这样一个状态转移方程： 约定： dp[i][j]表示在0~i下标物品中选取，在总金额不超过j的情况下获得的最大价值 v[i]表示第 i 下标的物品的价值 dp[i][j] = max(dp[i-1][j], dp[i-1][j-v[i]]+v[i]); dp[i-1][j] 对应不选 【第 i 下标】 的物品 dp[i-1][j-v[i]]+v[i]...
HDU 1114 Piggy-Bank 【完全背包（时间优化）】
Y390d的博客
07-13 227
    Problem Description Before ACM can do anything, a budget must be prepared and the necessary financial support obtained. The main income for this action comes from Irreversibly Bound Money (IBM)...
完全背包问题（一维数组来实现）
最新发布
weixin_53824622的博客
06-27 118
完全背包问题不同于0-1背包问题的点在于：0-1背包对于一个物品只能拿一次，但是完全背包问题可以拿多次，从而来达到在有限背包容量内的价值最大化。一个旅行者有一个最多能装 M 公斤的背包，现在有 n 件物品，它们的重量分别是W1，W2，…,Wn,它们的价值分别为C1,C2,…,Cn，求旅行者能获得最大总价值。第一行：两个整数，M(背包容量，M≤200)和N(物品数量，N≤30)；N+1行：每行二个整数Wi，Ci，表示每个物品的重量和价值。仅一行，一个数，表示最大总价值。
POJ：2229-Sumsets（完全背包的优化）
weixin_30455023的博客
04-23 109
题目链接：http://poj.org/problem?id=2229 Sumsets Time Limit: 2000MS Memory Limit: 200000K Total Submissions: 21845 Accepted: 8454 Description Farmer John command...
4.多重背包问题 (时间优化，空间优化)
qq12323qweeqwe的博客
01-23 210
首先是多重背包问题的朴素版，简单模板 for(int i=1;i<=n;i++) for(int j=0;j<=m;j++) { dp[i][j]=dp[i-1][j]; for(int k=0;k*v[i]<=j&&k<=num[i];k++) dp[i][j]=max(dp[i][j],dp[i-1][j-k*v[i]]+k*w[i]); ...
完全背包 推导过程 记忆化搜索、动态规划、时间优化、空间优化
子居的博客
05-01 513
题目介绍 有N种物品和一个容量为V的背包，每种物品都有无限件可用。第i种物品的费用是c[i]，价值是w[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量，且价值总和最大。 1. 暴力递归 和01背包一样，只不过是多了一个循环，因为01背包对一个物品最多只要求取一次，而完全背包可以取N次 int dp[60][60]; int maxPrix(vector<int>&am...
01背包问题的一维数组优化的理解
qq_57702377的博客
10-28 343
首先我们注意到在状态转移的过程中，我们始终只用到了 f[i] 和 f[i-1] 这两层，i-1层 储存的数据可以看成是在循环的上一次计算的量，即这一次循环的 f[i-1] 数据是上一次循环中 f[i] 的数据。 因此我们只需要关注循环层数之间数据的计算。于是我们直接去掉第一维，那么此时 f[i][j] = f[i-1][j] 改成 f[j]=f[j] ，这里显然是成立的，因为我们刚刚说到 f[i-1] 是上一次循环计算的 f[i] 也就是说右边的 f[j] 其实是上一次循环计算的 f[j] ，当前循环的
DAY45：动态规划（六）背包问题优化：一维DP解决01背包问题
CFY1226的博客
07-12 582
背包最大重量为4。物品重量和价值为： 问背包能背的物品最大价值是多少？在我们使用二维DP数组的时候，递推公式是.如果要降为一维DP数组，就是用来表示递推。这里用j是为了j的含义和二维DP数组保持一致，下标含义都是背包的容量。原始的二维DP状态转移方程是：。这个方程意味着，对于第i个物品和当前背包容量j，我们要么选择放入这个物品，要么不放。如果放入这个物品，就需要看在容量为时，放入前i-1个物品的最大价值（也就是），如果不放入这个物品，就是。然后取这两者之间的最大值。二维背包DP数组情况示例如下图所示。 我们
算法训练Day42 | 01背包问题的理论基础（二维和一维dp数组的全面剖析）；LeetCode416. 分割等和子集（01背包的应用）
weixin_47284299的博客
11-05 969
算法训练Day42 | 01背包问题的理论基础（二维和一维dp数组的全面剖析）；LeetCode416. 分割等和子集（01背包的应用）
完全背包问题（一维数组）
weixin_66736488的博客
06-28 538
上期文章和大家分享了一下完全背包问题的二维数组解法，今天和大家分享一下完全背包问题的一维数组解法。 本文将与01背包的一维数组做法、完全背包的二维数组做法进行比较 没看过上篇文章的建议先去看看：完全背包问题之二维数组 题目还是那道： 【题目描述】 设有n种物品，每种物品有一个重量及一个价值。但每种物品的数量是无限的，同时有一个背包，最大载重量为M，今从n种物品中选取若干件(同一种物品可以多次选取)，使其重量的和小于等于M，而价值的和为最大。【输入】 第一行：两个整数，M(背包容量，M≤200)和N(物品数量
01背包问题,既是实现最优的求解
05-28
L1=new Label("请输入物品的个数："); L2=new Label("请输入物品的重量："); L3=new Label("请输入物品的价值:"); L4=new Label("请输入背包容量："); L5=new Label("物品装入情况："); L6=new Label("背包的总重量："); L7=new Label("装入物品的总价值："); tf1=new TextField(5); tf2=new TextField(25); tf3=new TextField(25); tf4=new TextField(5); tf5=new TextField(25); tf6=new TextField(5); tf7=new TextField(5); button=new Button("计算最优值");
完全背包问题（二维数组）
weixin_66736488的博客
06-27 1796
通过三天的发文章，终于稍微弄明白Markdown了，接下来话不多说，直接干正事。 前两篇文章分别和大家讲了一下01背包的两种做法，感兴趣的可以去看看。 今天和大家分享一下完全背包问题的解题思路（二维数组）。 本文在写完全背包的解题方法时会与01背包做对比 题目如下： 【题目描述】 设有n种物品，每种物品有一个重量及一个价值。但每种物品的数量是无限的，同时有一个背包，最大载重量为M，今从n种物品中选取若干件(同一种物品可以多次选取)，使其重量的和小于等于M，而价值的和为最大。【输入】 第一行：两个整数，M(背
完全背包问题（一维数组优化）
hnjzsyjyj的专栏
11-11 522
【问题描述】 有N件物品和一个容量是V的背包。每件物品都有无限件可用。 第i件物品的体积是vi，价值是wi。 求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。 【输入格式】 第一行两个整数N、V，用空格隔开，分别表示物品数量和背包容积。 接下来有N行，每行两个整数vi,wi，用空格隔开，分别表示第i件物品的体积和价值。 【输出格式】 输出一个整数，表示最大价值。 【数据范围】 0<N,V≤1000 0<vi,wi≤1000 【算...
完全背包问题（超级详细地讲解优化过程）
Turing_Sheep的博客
12-21 5696
超详细地推导完全背包的优化过程，让你彻底掌握完全背包问题！
动态规划算法解决背包问题，算法分析与C语言代码实现，时间效率解析
勾栏听曲_0的博客
04-16 2325
动态规划算法的深度解析，算法思路的讲解，斐波那契数列为引深度理解动态规划法。使用动态规划法解决背包问题，背包问题的问题与类型介绍，算法思路，递推式与初始条件怎么求，时间效率分析，使用C语言解决背包问题，C语言代码实现。
01背包问题的分析与优化
m0_37907835的博客
01-06 5750
背包问题是动态规划的经典问题，可以分为多个子结构，如，只使用第1个物品在背包容量为1的情况下背包所能装的最大价值：为V[1][1]只使用第1个物品在背包容量为2的情况下背包所能装的最大价值：为V[1][2]只使用第1个物品在背包容量为j的情况下背包所能装的最大价值：为V[1][j]只使用第1,2个物品在背包容量为j的情况下背包所能装的最大价值：为V[2][j]只使用第1，2,3...i 个物品在背...
空间与时间的超级优化----背包问题的滚动数组
weixin_43045799的博客
08-21 345
动态规划（Dynamic Programming 简称DP）是解决 “多阶段决策问题”的一种高效算法。 • 通过合理组合子问题的解从而解决整个问题解。其中的 子问题并不是独立的，这些子问题又包含有公共的子子 问题。…… • 动态规划算法就是对每个子问题只求一次，并将其结果 保存在一张表中(数组)，以后再用到时直接从表中拿过 来使用，避免重复计算相同的子问题。 • “不做无用功”的求解模式，大大提高了程序的效率。 • 常用于解决统计类问题（统计方案总数）和最优值问题 （最大值或最小值）
多重背包及完全背包优化
jkchen's Haven
02-15 606
今天大年初一，在这里祝广大love_leraning新年快乐！ 多重背包 定义：给定n种物品和一背包。物品i的重量是wi，其价值为vi，每件物品的数量为xi，背包的容量为m。 思路：即在01背包的基础上加上一遍数量的循环，把每个物品的每件都看成不同的即可。 伪代码： for(i=0;i&amp;lt;n;i++) for(j=m;j&amp;gt;=w[i];j--) for(k=1;k...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值