蓝桥杯Python-＞动态规划模板-＞01背包问题 and 优化

🐻作者： 芝士小熊饼干
📖 系列专栏： 数据结构-蓝桥杯-算法⭐ 
 

💪坚持天数：9天🤖 

背包问题01 ⭐ 

 

有N件物品和一个容量是V的背包。每件物品只能使用一次
第件物品的体积是v，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.
输出最大价值。
输入格式
第一行两个整数，N，，用空格隔开，分别表示物品数量和背包容积接下来有行，每行两个整数,w，用空格隔开，分别表示第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

输入样例

4 5
1 2
2 4
3 4
4 5

输出样例：

8

问题分析 ⭐ 

 ⭐

背包问题是一个经典的动态规划问题，我们假设有一个背包和一些物品，背包的容量为C，每个物品有一个重量w和一个价值v，我们需要将物品放进背包中使得放入的物品价值之和最大。

假设用dp[i][j]表示前i个物品放入容量为j的背包中所能得到的最大价值，那么状态转移方程为：

当j<w[i]时：dp[i][j]=dp[i-1][j]
当j>=w[i]时：dp[i][j]=max(dp[i-1][j],dp[i-1][j-w[i]]+v[i])

其中，dp[i-1][j]表示不放第i个物品，dp[i-1][j-w[i]]+v[i]表示放第i个物品。

最后，dp[n][C]即为所求，其中n表示物品的个数。

如果需要求出具体的物品放入方案，可以在状态转移过程中记录每一个状态的来源，从而得到最优方案

 

 dp[i-1][j]--->不选

dp[i-1][j-vlist[i]]+wlist[i]---->选那个物品：选了该物体后剩余空间最大价值+该物体最大价值

 

N,V=map(int,input().split())
vlist,wlist=[0],[0]# vilst物品体积，wlist物品价值
for i in range(N):
    tmp=list(map(int,input().split()))
    vlist.append(tmp[0])
    wlist.append(tmp[1])

# 创建dp表
dp=[[0 for i in range(V+1)] for i in range(N+1)]

# vlist.insert(0,0)
# wlist.insert(0,0)

for i in range(1,N+1):
    for j in range(1,V+1):
        if (vlist[i]<=j):
            dp[i][j]=max(dp[i-1][j],dp[i-1][j-vlist[i]]+wlist[i])
        else:
            dp[i][j]=dp[i-1][j]
print('最大价值为',dp[N][V])     

 背包问题01-空间优化⭐ 

 

N,V=map(int,input().split())
vlist,wlist=[0],[0]# vilst物品体积，wlist物品价值
for i in range(N):
    tmp=list(map(int,input().split()))
    vlist.append(tmp[0])
    wlist.append(tmp[1])

# 创建dp表
dp=[0 for i in range(V+1)] 

# vlist.insert(0,0)
# wlist.insert(0,0)

for i in range(1,N+1):
    for j in range(V,0,-1):
        if (vlist[i]<=j):
            dp[j]=max(dp[j],dp[j-vlist[i]]+wlist[i])
       
print('最大价值为',dp[V])   

 转化成一维空间，从右向左计算

 总结动态规划模板

def dpFunction(params):
    # 初始化 DP table
    dp = [[0] * n for _ in range(m)]
    
    # 初始化第一行和第一列的边界条件
    for i in range(n):
        dp[0][i] = ...
    for i in range(m):
        dp[i][0] = ...
    
    # 填充 DP table
    for i in range(1, m):
        for j in range(1, n):
            dp[i][j] = ...
    
    # 返回最终结果
    return dp[m-1][n-1]

其中，m 和 n 是问题所涉及的状态数或数组大小。在填充 DP table 时，通常需要进行一些状态转移方程的计算。也可以通过调整边界条件等方法来实现不同的具体问题。