n件商品数量,限制的最大重量(capacity)是c,物品的重量数组是w,商品价值数组是v,求能取得的最大价值
动态规划解法:
- 构建二维数组:每一行代表一个物品,并添加全0的第一行,代表没有商品,因此实际是n+1行;每一列代表当前背包的容量,共c+1列(0,1,...,c)
- 状态转移矩阵:原始形式是:
if w[i] > j: #如果第i件物品太重,背包已放不下
dp[i][j] = dp[i-1][j]
else: #背包还放得下第i件物品
dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]]+v[i]) #偷与不偷取价值最大值
因为我们人为添加了第一行代表没有物品,因此w和v数组的索引i需要相应的减一:
if w[i-1] > j: #如果第i件物品太重,背包已放不下
dp[i][j] = dp[i-1][j]
else: #背包还放得下第i件物品
dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i-1]]+v[i-1]) #偷与不偷取价值最大值
最终代码:
def bag(n,c,w,v):
dp = [[0] * (c+1) for _ in range(n+1)]
for i in range(1,n+1):
for j in range(1,c+1):
if w[i-1] > j:
dp[i][j] = dp[i-1][j]
else:
dp[i][j] = max(dp[i-1][j],dp[i-1][j-w[i-1]]+v[i-1])
return dp[-1][-1]
n=5
c=10
w=[2,2,6,5,4]
v=[6,3,5,4,6]
print(bag(n,c,w,v))
图示中n=5,c=20
时间复杂度O(n*c),空间复杂度O(n*c)。其实计算第i行时,只需要保留第i-1行信息就可以啦,空间复杂度可优化到O(c)
递归的时间复杂度是O(2^N)与c无关,因此当c很大时,递归会比动态规划更好
参考视频:【经典算法】01背包问题