找了一下网上关于这题的解法,有用动态规划做的,我放到了OJ上,AC了。
那么就顺势学习一下动态规划吧,感觉很重要的样子!加油!
贴一个知乎链接,大神讲得很好!http://www.zhihu.com/question/23995189
那么从经典的背包问题讲起吧:
如果限定每种物品只能选择0个或1个,成为0-1问题;
如果物品j最多只能选择bj个,称为有界背包问题;
如果不限定每种物品的数量,成为无界背包问题。
状态:以0-1为例,定义前j种物品的总价格所能达到的最大值为A(j,Y),那么
状态转化方程:
A(0,Y)=0;
A(j,0)=0;
若Wj>Y,A(j,Y)=A(j-1,Y)
若Wj<=Y,A(j,Y)=max{A(j-1,Y),pj+A(j-1,Y-wj)}
其实有点中序遍历的意思,华为OJ里的java 0-1问题也可以用这个思路解决。
代码怎么写呢?
int max(int a, int b) { return (a > b) ? a : b; }
int knapSack(int W, int wt[], int val[], int n)
{
int i, w;
int dp[n+1][W+1];
for (i = 0; i <= n; i++)
{
for (w = 0; w <= W; w++)
{
if (i == 0 || w == 0)
dp[i][w] = 0;
else if (wt[i - 1] <= w)
dp[i][w] = max(val[i - 1] + dp[i - 1][w - wt[i - 1]], dp[i - 1][w]);
else
dp[i][w] = dp[i - 1][w];
}
}
return dp[n][W];
}
其实dp和递归法解题很像啊,形式上差不多,有点晕。抓住大方向,递归是一直自我迭代,而dp则是分解为子问题,效率上来讲要比递归高得多。