dp完全背包

最新推荐文章于 2024-09-27 14:28:55 发布

@宇宁

最新推荐文章于 2024-09-27 14:28:55 发布

阅读量68

点赞数

分类专栏： leetcode 文章标签：算法 Powered by 金山文档

本文链接：https://blog.csdn.net/weixin_56194193/article/details/128912608

版权

leetcode 专栏收录该内容

19 篇文章 0 订阅

订阅专栏

文章探讨了完全背包问题，即每种物品无限件的情况，与01背包问题的区别。在完全背包中，使用动态规划求解，物品的无限量使得两个嵌套循环的顺序变得无关紧要，关键在于确保dp数组的更新正确。两种遍历方式——先物品后背包和先背包后物品，都能达到计算物品价值总和最大的目的。

摘要由CSDN通过智能技术生成

有N件物品和一个最多能背重量为W的背包。第i件物品的重量是weight[i]，得到的价值是value[i] 。每件物品都有无限个（也就是可以放入背包多次），求解将哪些物品装入背包里物品价值总和最大。

完全背包和01背包问题唯一不同的地方就是，每种物品有无限件。

在完全背包中，对于一维dp数组来说，其实两个for循环嵌套顺序是无所谓的！

因为dp[j] 是根据下标j之前所对应的dp[j]计算出来的。只要保证下标j之前的dp[j]都是经过计算的就可以了。

先物品

for (int i = 0; i < weight.length; i++){ // 遍历物品
        for (int j = weight[i]; j <= bagWeight; j++){ // 遍历背包容量
            dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
        }
    }

先背包

 for (int i = 1; i <= bagWeight; i++){ // 遍历背包容量
        for (int j = 0; j < weight.length; j++){ // 遍历物品
            if (i - weight[j] >= 0){
                dp[i] = Math.max(dp[i], dp[i - weight[j]] + value[j]);
            }
        }
    }