2、背包优化

 

一、实验目标

1. 空间复杂度优化
2. 记录路径
3. 满背包

目标详解

1、复杂度

以上动态规划的时间复杂度与空间复杂度均为O(N* V)。

但空间复杂度可以优化到O(m)，因为每一次状态转移只与上一行的值有关，我们可以：

• 状态只用一维数组
• 同一行里，从后往前填写，这样前面的值还被保留（上一行的值）

定义状态：设dp[j]表示把i件物品放入容量j的背包可获得的最大价值。

状态转移方程为：

• 初始化：dp[j] = 0
• j>=c[i]：dp[j] = max(dp[j], dp[j-c[i]] + w[i])

2、记录路径

如果想知道最大价值的方案里，背包里都放了哪些物品，该怎么做？

只要用一个二维数组path来存储每次更新放入的物品，然后从后往前遍历输出。

用path逆推出装入的物品：

• i从N、j从V往下倒序
• 如果Path[i][j]为1，表示被装入：
  • 输出物品i和价值，价值用括号
  • j = j - c[i]
• i = i - 1

如果使用二维状态，则无需path也可以倒推出装入的物品。

3、满背包

有时候，题目会要求背包刚好装满，这种情况与不装满的情况比，初始化不一样：

• 把dp[0][j]（j>0）初始化为负无穷大，表示背包没有装满。
• 把dp[0][i]初始化为0，表示装满了
• 当某个状态为不能装满时，值为负无穷，即使加上w[i]也算负无穷
• 判断某个状态，小于0就表示不能装满

在c++中，一般可用0x3f3f3f3f表示无穷大。

#define inf 0x3f3f3f3f;

01背包案例