一、实验目标
- 空间复杂度优化
- 记录路径
- 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