动态规划算法题梳理

1，01背包和完全背包概念理解

2，01背包问题详解

（1）已知信息分析

已知条件：

• n件物品

• 每件物品的重量数组

• 每件物品的价值数组

• 物品只能使用一次
  求解答案:

• 哪些物品放入背包使得背包中物品的价值最大

（2）例子题目

背包的最大重量为4

	weight	value
物品0	1	15
物品1	3	20
物品2	4	30

求背包可以放置最多价值的物品。

（3）解法

解法一：暴力解法

每件物品有两种状态，选或者不选，那么就可以使用回溯法搜索所有的情况。时间复杂度为o(2^n)

解法二：使用动态规划进行01背包问题

动态规划五部曲

• dp数组定义以及下标的含义

• 确定递推公式

• 确定dp数组的初始值

• 确定遍历顺序

• 举例推导dp数组
  首先根据例子题目进行推导

• 定义dp数组：dp[i][j]的含义就是从下标0-i中的物品任取一个，放进容量为j的背包的最大价值总量的值。

	背包容量 0	背包容量 1	背包容量 2	背包容量 3	背包容量 4
物品0
物品1
物品2

• 确定递推公式
  有两个方向可推出dp[i][j]

1. 不放物品i的时候 dp[i-1][j]
2. 放物品i的时候dp[i-1][j - weight[i]] + value[i]
   上面的两个值取最大的一个来作为dp[i][j]的值

dp[i][j]= Math.max( dp[i-1][j],dp[i-1][j - weight[i]] + value[i])

• 初始化二维数组
  • 从dp定义下手，若是j=0时，那意味着背包的容量为0，那物品无论是多少，那对应的dp[i][0]都是0.
  • 从其他情况下手,在我们的递推公式中，i是由i-1推断出来的，因此必须初始化i=0的情况，当i=0的时候，只有j>=wight[i]的时候，该物品0才能够放进去。
    初始化之后的结果就是：

	背包容量 0	背包容量 1	背包容量 2	背包容量 3	背包容量 4
物品0	0	15	15	15	15
物品1	0	0	0	0	0
物品2	0	0	0	0	0

对于其他的数值，都是会经过计算然后覆盖掉的，所以就可以将其初始化为0。

• 确定遍历顺序
  根据递推公式我们可以知道，dp[i][j]是由dp[i-1][j]或者dp[i-1][j - weight[i]] 来确定的，因此可以使用从前向后的遍历方式来进行。

关于物品和背包先遍历哪一个，这里是都可以的，但是先遍历物品比较好理解。

先遍历物品的理解是：将物品逐一的放在不同容量的背包里，求出dp数组中每一项的价值最大值。

• 举例推导数组
  就是将你写好的递推公式，用人工的方式，表示出来，再将程序运行后的结果和你的画出来的表格进行对比，看是否一致，如果不一致就要检查其遍历顺序啦。

• 代码

// weight是物品重量的数组，value是物品的价值，size是背包的最大容量
var test = fucntion(weight,value,size){
  let len = weight.length
  //声明dp数组
  let dp = new Array(len +1).fill(0).map(v=>new Array(size+1).fill(0))
  // 初始化dp数组
  for(let i = 0;i < len;i++){
    dp[i][0] = 0
  }
  for(let j = 0; j <= size;j++){
    if(j >= weight[0]){
      dp[0][j] = weight[0]
    }
  }
  // 递推公式
  for(let i = 1; i < len;i++){
    for(let j = 1; j <= size;j++){
      if(j > weight[i]){
        dp[i][j] = Math.max(dp[i-1][j],dp[i-1][j-weight[i]])
      }
    }
  }
  return dp[len][size]
}

解法三：动态规划精简做法。

对于解法二，是使用了二维数组，这儿可以精简为一维数组来进行计算。

• dp数组的含义以及下标的含义
  dp[j] 就是容量为j的背包所能装的最大价值。

• 声明递推公式
  dp[j] 有两种选择，一个是dp[j - weight[i]]，另一种是就是原始的dp[j]，相对于二维数组中的dp[i-1][j]。

dp[j] = Math.max(dp[j],dp[j - weight[i]])

• dp数组的初始化
  这里需要结合dp数组的定义来进行初始化值，首先dp[0]是容量为0 的背包里所能容纳的最大价值，那肯定就是0了。除了下标是0，其他的下标应该如何初始化呢？首先要看一下递推公式：

dp[j] = Math.max(dp[j],dp[j - weight[i]])，dp[j]要取最大的，那就可以将值初始化为正数的最小值0即可。

• 确定遍历顺序
  对于一维数组来说，需要从后往前进行遍历，保证物品i只被放进去一次。

并且不可交换背包和物品的遍历顺序。

以上两点可以进行实验

• 代码

var test = function(weight,value,size){
  let len = weight.length
  //声明dp数组，并且初始化为0
  let dp = new Array(size+1).fill(0)
  //递推公式
  for(let i = 0;i < len;i++){
    for(let j = 0; j <= size;j++){
      dp[j] = Math.max(dp[j],dp[j-weight[i]]+value(i))
    }
  }
  return dp[size]
}

3,完全背包问题详解

（1）已知信息分析

已知条件：

• n件物品
• 每件物品的重量数组
• 每件物品的价值数组
• 物品可以使用多次（这是和01背包不同的地方）

求解答案：

• 哪些物品放入背包使得背包中物品的价值最大

（2）例子题目

和01背包中的题目一样。

（3）解法

类比于01背包中的一维数组的解法。

不同的是：

01背包中的核心代码，是先遍历物品，再遍历背包，并且背包是从大到小进行遍历的，是为了保证每个商品只能加一次。

对于完全背包来说，每个商品有无数个，因此需要从小到大进行遍历,并且先遍历物品或者背包都可以。

// 01背包
for(let i = 1;i < nums.length;i++){
    for(let j = count;j >= nums[i];j--){
        dp[j] = Math.max(dp[j],dp[j-nums[i]])
    }
}
//完全背包
for(let i = 1;i < nums.length;i++){
    for(let j = nums[i];j <= count;j++){
        dp[j] = Math.max(dp[j],dp[j-nums[i]])
    }
}