背包问题:货物有重量/体积,有价值,书包最多装bag这么多,请问书包能最大装多少价值的货物?
提示:动态规划DP1:从左往右的尝试模型
题目
背包问题:货物有重量/体积w数组,有价值v数组,书包最多装bag这么多,
请问书包能最大装多少价值的货物?
一、审题
示例:
w=5 10 7
v=5 10 7
不妨设俩一样
bag最大装14
则:咱们从左往右,i=0–N-1,每一个位置都试一下,装呢,还是不要装?
当决定装的过程中,发现总量大于bag,方案失效,返回-1
否则就可以继续装,记录总价值
最后发现,案例中,有一条路径可以得到最大值值
0不要,1要,2要,最大价值12
2个变量,多带一个bag常量
其实案例那已经说得很明确了
这是一个DP1:从左往右的尝试模型:即i从0–N-1【从左往右呗】上遍历,决定i位置的物品要还是不要
定义f(w,v,bag,i,j):
目前已经从0–i-1范围内装了j这么多(重量,体积都行)
现在从i–N-1范围内决定,要i,还是不要i的物品,能得到的最大价值是多少?
w和v和bag都是题目给定的,为了题目说明方便,简单,我们直接令f(w,v,bag,i,j)=f(i,j)
在决定过程中:
(2)一旦发现你已经装了的总量j>bag了,书包装不下了,你这方案废了,返回-1,无效!——这个条件一定得在前面,否则i=N已经让你返回了,不行的。
(1)一旦发现你i=N了,越界,没有货物了,多增加的价值就是0,返回0
(3)如果还能装下:
——咱不要i这个物品,那直接去i+1位置决定就行,调用f(i +1,j),j没变,因为你没要
——咱要i这个物品,那调用f(i +1,j +w[i]),j多了i的重量,下一次去i+1决定,但很可能这个返回值是-1,那就放弃,不是-1那就可以将v[i]累加f(i +1,j +w[i]),作为增加的价值。
最终上面这两种情况,谁得到的价值更大,要谁,返回。作为当前决定i之后得到的最大价值。
懂了这个思想了吗,从左往右决定i位置要还是不要,我们能得到的最大价值,返回,这就是动态规划的前奏,暴力递归!
主函数咋调用呢?求i=0–N-1上,j=0开始,装包,最后能得到的最大价值是多少?
直接调用:f(0,0)
手撕代码:
//复习:
//**定义f(w,v,bag,i,j):**
//目前已经从0--i-1范围内装了j这么多(重量,体积都行)
//现在从i--N-1范围内决定,要i,还是不要i的物品,能得到的最大价值是多少?
public static int f(int[] w, int[] v, int bag, int i, int j){
//在决定过程中:
//(2)一旦发现你已经装了的总量j>bag了,书包装不下了,你这方案废了,返回-1,无效!
if (j > bag) return -1;
//(1)一旦发现你i=N了,越界,没有货物了,多增加的价值就是0,返回0
if (i == w.length) return 0;
//(3)如果还能装下:
//——咱不要i这个物品,那直接去i+1位置决定就行,调用f(i **+1**,j),j没变,因为你没要
int value1 = f(w, v, bag, i + 1, j);
//——咱要i这个物品,那调用f(i **+1**,j **+w[i]**),j多了i的重量,下一次去i+1决定,
// 但很可能这个返回值是-1,那就放弃,不是-1那就可以将v[i]累加f(i **+1**,j **+w[i]**),作为增加的价值。
int value2 = f(w, v, bag, i + 1, j + w[i]);
if (value2 != -1) value2 += v[i];//把i拿走还能有效
//最终上面这两种情况,谁得到的价值更大,要谁,返回。作为当前决定i之后得到的最大价值。
return Math.max(value1, value2);
}
//调用
public static int putBagReview(int[] w, int[] v, int bag){
if (w == null || w.length == 0) return 0;
return f(w, v, bag, 0, 0);
}
public static void test(){
int[] w = {1,2,3};
int[] v = {10,10,30};
int bag = 3;//结果应该是30
System.out.println(putBag1(w, v, bag));
System.out.println(putBagReview(w, v, bag));
}
结果:
30
30
2个变量,不带bag常量
上面老师带上bag:public static int f(int[] w, int[] v, int bag, int i, int j)
这样很麻烦的
干脆咱们想办法省掉bag
这么定义:
public static int f2(int[] w, int[] v, int i, int j)
j是目前书包还剩余的空间,最开始还剩下j=bag这么大的空间,请问我们从i=0–N-1上决定i要还是不要,能装最大多少值?
那就很方便了
(1)如果剩余空间压根没了j<0那无效呗,返回-1;
(2)如果i=N(1)越界,没有货物了,多增加的价值就是0,返回0
(3)如果还能装下:
——咱不要i这个物品,那直接去i+1位置决定就行,调用f(i +1,j),j没变,因为你没要
——咱要i这个物品,那调用f(i +1,j -w[i]),j 减少 i的重量,下一次去i+1决定,但很可能这个返回值是-1,那就放弃,不是-1那就可以将v[i]累加f(i +1,j +w[i]),作为增加的价值。——这里是j减少重量哦!!!价值是增加的没动
最终上面这两种情况,谁得到的价值更大,要谁,返回。作为当前决定i之后得到的最大价值。
主函数咋调用呢?求i=0–N-1上,j=bag开始,装包,最后能得到的最大价值是多少?
直接调用:f(0,bag)
手撕代码:
//复习;**j是目前书包还剩余的空间**,最开始还剩下j=bag这么大的空间,
// 请问我们从i=0--N-1上决定i要还是不要,能装最大多少值?
public static int f2(int[] w, int[] v, int i, int j){
//在决定过程中:
//(2)一旦发现你已经装了的总量j<0了,书包装没空间了,你这方案废了,返回-1,无效!
if (j < 0) return -1;
//(1)一旦发现你i=N了,越界,没有货物了,多增加的价值就是0,返回0
if (i == w.length) return 0;
//(3)如果还能装下:
//——咱不要i这个物品,那直接去i+1位置决定就行,调用f(i **+1**,j),j没变,因为你没要
int value1 = f2(w, v, i + 1, j);
//——咱要i这个物品,那调用f2(i **+1**,j **-w[i]**),j减少i的重量,下一次去i+1决定,
// 但很可能这个返回值是-1,那就放弃,不是-1那就可以将v[i]累加f(i **+1**,j **+w[i]**),作为增加的价值。
int value2 = f2(w, v, i + 1, j - w[i]);
if (value2 != -1) value2 += v[i];//把i拿走还能有效
//最终上面这两种情况,谁得到的价值更大,要谁,返回。作为当前决定i之后得到的最大价值。
return Math.max(value1, value2);
}
//调用
public static int putBagReview2(int[] w, int[] v, int bag){
if (w == null || w.length == 0) return 0;
return f2(w, v, 0, bag);
}
public static void test(){
int[] w = {1,2,3};
int[] v = {10,10,30};
int bag = 3;//结果应该是30
System.out.println(putBag1(w, v, bag));
System.out.println(putBagReview(w, v, bag));
System.out.println(putBagReview2(w, v, bag));
}
是不是很巧?
30
30
30
暴力递归代码改为动态规划填表
咱们根据:
public static int f2(int[] w, int[] v, int i, int j)
j是目前书包还剩余的空间,最开始还剩下j=bag这么大的空间,请问我们从i=0–N-1上决定i要还是不要,能装最大多少值?
来改动态规划的代码
2个变量i和j
一个做行,一个做列
咱们定义数组dp,为二维表格
其中 dp[i][j] 代表啥 ? ** 还剩下j这么大的空间,请问我们从i–N-1上决定i要还是不要,能装最大多少值?**
显然:
i从0–N取值
j从bag–0取值
所以dp是一个N+1 * bag+1的二维表格
主函数调用f2(w, v, 0, bag);,则咱们最终要的结果就是dp[0][bag],上图中五角星那个格子的值,就是咱本题要求的答案!
咱们现在根据f2函数来填dp表:
(1)如果剩余空间压根没了j<0那无效呗,返回-1;
这部分,表格压根就没有j<0的地方,不管
(2)如果i=N(1)越界,没有货物了,多增加的价值就是0,返回0
显然dp中最后一行,i=N那个行,全部是0
(3)如果还能装下:
宏观调度:
for (int i = N - 1; i >= 0; i--) {
//从N-1行,一行一行回来填
for (int j = 0; j <= bag; j++) {
//从j=0列,一列一列往右填
中间填dp[i][j]:
——咱不要i这个物品,那直接去i+1位置决定就行,调用f(i +1,j),j没变,因为你没要
即int value1 = dp[i + 1][j];
——咱要i这个物品,那调用f(i +1,j -w[i]),j 减少 i的重量,下一次去i+1决定,但很可能这个返回值是-1,那就放弃,不是-1那就可以将v[i]累加f(i +1,j +w[i]),作为增加的价值。——这里是j减少重量哦!!!价值是增加的没动
即:
int value2 = dp[i + 1][j - w[i]];
if (value2 != -1) value2 += v[i];//把i拿走还能有效
最终上面这两种情况,谁得到的价值更大,要谁,返回。作为当前决定i之后得到的最大价值。
根据前面暴力递归的代码:dp[i][j] =Math.max(value1, value2);
主函数咋调用呢?求i=0–N-1上,j=bag开始,装包,最后能得到的最大价值是多少?
返回dp[0][bag]
仔细阅读下面的代码,就是根据f2来的:
//复习;其中 dp[i][j] 代表啥 ? ** 还剩下j这么大的空间,请问我们从i--N-1上决定i要还是不要,能装最大多少值?**
public static int putBagReview2DP(int[] w, int[] v, int bag){
if (w == null || w.length == 0) return 0;
int N = w.length;
int[][] dp = new int[N + 1][bag + 1];
//在决定过程中:
//(2)一旦发现你已经装了的总量j<0了,书包装没空间了,你这方案废了,返回-1,无效!——默认不管
//(1)一旦发现你i=N了,越界,没有货物了,多增加的价值就是0,返回0——默认dp[N][j]就是0哦
//(3)如果还能装下:
for (int i = N - 1; i >= 0; i--) {
//从i=N-1行,一行一行回来填
for (int j = 0; j <= bag; j++) {
//从j=0列,一列一列往右填
//——咱不要i这个物品,那直接去i+1位置决定就行,调用f(i **+1**,j),j没变,因为你没要
int value1 = dp[i + 1][j];
//——咱要i这个物品,那调用f2(i **+1**,j **-w[i]**),j减少i的重量,下一次去i+1决定,
// 但很可能这个返回值是-1,那就放弃,不是-1那就可以将v[i]累加f(i **+1**,j **+w[i]**),作为增加的价值。
int value2 = -1;
if (j - w[i] >= 0) value2 = dp[i + 1][j - w[i]];
if (value2 != -1) value2 += v[i];//把i拿走还能有效
//最终上面这两种情况,谁得到的价值更大,要谁,返回。作为当前决定i之后得到的最大价值。
dp[i][j] = Math.max(value1, value2);
}
}
//主函数咋调用呢?求i=0--N-1上,j=bag开始,装包,最后能得到的最大价值是多少?
return dp[0][bag];
}
public static void test(){
int[] w = {1,2,3};
int[] v = {10,10,30};
int bag = 3;//结果应该是30
System.out.println(putBag1(w, v, bag));
System.out.println(putBagReview(w, v, bag));
System.out.println(putBagReview2(w, v, bag));
System.out.println(putBagReview2DP(w, v, bag));
}
这就是暴力递归改为动态规划的代码,速度运行快很多,只需要o(N*bag)的时间复杂度填表即可,不必此次暴力递归求了
结果
30
30
30
30
总结
提示:重要经验:
1)DP1:从左往右的暴力递归尝试模型,探索i从0–N-1的情况
2)通过暴力递归,完全可以考虑转化为动态规划的代码,就是填表而已,有几个变量,就是填几维的表格。
3)笔试求AC,可以不考虑空间复杂度,但是面试既要考虑时间复杂度最优,也要考虑空间复杂度最优。