动态规划笔记 - 上

最新推荐文章于 2024-06-24 16:18:42 发布

李温候

最新推荐文章于 2024-06-24 16:18:42 发布

阅读量728

点赞数 22

文章标签：动态规划笔记代理模式

本文链接：https://blog.csdn.net/weixin_64838846/article/details/137774022

版权

本文详细介绍了动态规划在背包问题中的应用，包括01背包、完全背包和各种优化技巧，如滚动数组和空间优化。讨论了斐波那契数、爬楼梯问题的扩展以及整数拆分等典型案例。

摘要由CSDN通过智能技术生成

ps：动态规划章节 - 背包问题

动态规划！

很重要的五部曲！

斐波那契数

这道题主要是用来加深理解dp做题步骤的

爬楼梯

使用最小花费爬楼梯

和前面几题一样，可以优化空间复杂度

不同路径

当前状态和前面的状态有关直接dp

一开始想的是BFS不过太久没写了就没试，DFS会超时

不同路径II

就是多了有障碍物的情况

整数拆分

是一道不太好想的题

关键是要明确我们定义的dp是啥含义

n较大的数可以拆成较小n * 某个数得来的，所以我们可以使用dp

思路： 拆数字，要至少拆成两份，然后里面还可以继续拆

优化后的

01背包理论基础

只需掌握01背包和完全背包就可以了

416.分割等和子集1

01背包暴力解法

二维数组解法

对于背包问题，有一种写法，是使用二维数组，即dp[i][j] 表示从下标为[0-i]的物品里任意取，放进容量为j的背包，价值总和最大是多少。

递推公式

初始化

遍历顺序

有两个遍历的维度：物品与背包重量

那么问题来了，先遍历物品还是先遍历背包重量呢？

其实都可以！！但是先遍历物品更好理解。

01背包典例

递推公式还是很巧的

#include<bits/stdc++.h>

using namespace std;

// dp[i][j] 表示从下标0到i的物品里面任意取，放进容量为j的背包里，最大的val为dp[i][j]
int val[5005], spa[5005], dp[5005][5005];
int main()
{
    int m,n;
    cin>>m>>n;
    for(int i=0;i<m;i++) cin>>spa[i];
    for(int i=0;i<m;i++) cin>>val[i];

    //初始化
    for(int i=spa[0];i<=n;i++) dp[0][i] = val[0];

    for(int i=1; i<m; i++){ //从没有初始化的地方遍历材料
        for(int j=0 ; j<=n ;j++){ //遍历容量
            if(j < spa[i]) dp[i][j] = dp[i-1][j];  //不能装下时
            else dp[i][j] = max(dp[i-1][j], dp[i-1][j-spa[i]]+val[i]);  //可以装下时，有两种选择
        }
    }

     
    cout<<dp[m-1][n];


    return 0;
}

01背包理论基础（滚动数组）

[外链图片转存中...(img-D6xuPoBg-1713150382138)]

步骤

关键是遍历容量的时候是倒序的
还有遍历的边界条件

为什么要倒序？

简单理解就是正序遍历会重复统计（状态重复），倒序遍历不会

01背包典例

#include<bits/stdc++.h>

using namespace std;

int dp[5005], spa[5005], val[5005];  //dp[j] 表示容量为j的背包里最大能装入的价值为dp[j]
int main()
{
    int m,n;
    cin>>m>>n;
    for(int i=0;i<m;i++) cin>>spa[i];
    for(int i=0;i<m;i++) cin>>val[i];

    //默认初始化为0
    
    for(int i=0;i<m;i++){  //遍历物品
        for(int j=n;j>=spa[i];j--){  //倒序遍历 容量
            dp[j] = max(dp[j], dp[j-spa[i]]+val[i]);  //max(不放i, 放i)
        }
    }
    cout<<dp[m];
    
    
    return 0;
}