#c++#背包问题解法

最新推荐文章于 2025-01-17 20:28:53 发布

置顶睡觉哇啊

最新推荐文章于 2025-01-17 20:28:53 发布

阅读量1.8k

点赞数 1

分类专栏：笔记文章标签： c++ 1024程序员节

本文链接：https://blog.csdn.net/weixin_44849854/article/details/120939435

版权

笔记专栏收录该内容

13 篇文章 0 订阅

订阅专栏

本文介绍了解决背包问题的动态规划算法，通过定义dp数组来高效地在给定重量限制下选择物品，以获取最大的总价值。通过比较当前物品价值和可能的组合，优化了背包问题的解法。关键在于理解物品是否应加入背包及其对后续选择的影响。

摘要由CSDN通过智能技术生成

在lintcode上第一次遇到背包问题。挺有意思的。问题可以描述为：给定一组物品，每种物品都有自己的重量和价格，在限定的总重量内，我们如何选择，才能使得物品的总价格最高。这个问题可以用穷举的方法解决，但效率有点低。
可以用以下解法提高解题效率。
定义一个二维数组dp

//符号说明
dp[i][j]   //表示最大容量为j时，前i项物品（有选择性）装进背包中的最大价值
w[i]       //第i个物品的价值

当i等于0的时候d[i][j] 均为0
当i>1时，可以通过以下推导式得到(j应当从大到小，避免从小到大出现覆盖的情况)

if (j > w[i])   max(dp[i-1][j] , dp[i-1][j-w[i]]+w[i])

这个推导式首先是判断j(背包容量)是否大于w[i] (该物品重量)
当容量足够大的时候才更新更优的重量，
这个更新最优的重量是从以下两种情况取最大值：
1.背包不增加该物品
2.背包增加该物品，此外背包剩下的空间，取之前计算过的该容量的最优值也就是dp[i-1][j-w[i]]

这个算法优势在于：
第i件物品装入或者不装入而获得的最大价值完全可以由前面i-1件物品的最大价值决定

实际上该算法也可以压缩以下空间用一维数组存储，最后给出算法c++实现

class Solution {
public:
    /**
     * @param weights: An array of n integers, where the value of each element weights[i] is the weight of each plate i
     * @param maxCapacity: An integer, the capacity of the barbell
     * @return: an integer denoting the maximum capacity of items that she can lift.
     */
    int weightCapacity(vector<int> &weights, int maxCapacity) {
        // Write your code here
        sort(weights.begin(),weights.end());//排序
        vector<int> dp(maxCapacity+1);
        for(int i = 0;i< weights.size();i++){
            for(int j =maxCapacity;j>=weights[i];j--){
                if(j>weights[i]){
                    dp[j] = max(dp[j-weights[i]]+weights[i],dp[j]);
                }
            }
        }
        return dp.back();

    }
};

参考资料