小白学习动态规划:0-1背包
Posted DebugDebut
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了小白学习动态规划:0-1背包相关的知识,希望对你有一定的参考价值。
小白学习动态规划:0-1背包(经典例题)
前言
背包问题只是动态规划问题下的一个分类,求解0-1背包问题的思路本质上与求解动态规划的一般思路是一致的,我们经常遇到新的题目做不出来,并不是因为没有掌握动态规划的思想,而有可能是因为没有遇到这类具有显著特征的题目,无法将一般动态规划的解题思路应用在实战中。
动态规划的原理:
① 最优子结构性质:问题的最优解可以转化为求子问题的最优解,也就是说问题的最优解可以从子问题的最优解中得出。
② 子问题重叠性质:问题的解由子问题的解组成,所以先构造子问题的解,才能求出最终问题的解。而求问题的解时,由于已经记录子问题的解,所以不必重新求子问题的解,只需取出来使用即可。
经典例题
物品 | A | B | C | D | E |
---|---|---|---|---|---|
Wealth | 3 | 4 | 5 | 6 | 7 |
Cost | 1 | 2 | 5 | 6 | 8 |
这是最基础的0-1背包问题
先看下图,是在求出问题的解后整个动态规划表呈现的结果。下面就来看看这张表是如何一步步填上去并求出最终问题解的。
解题思路
① 确定子问题
求容量为V的背包装入物品的价值总和最大,则考虑第i件物品是否放入背包,使得背包的价值保持最大。
② 确定状态及数组
用一个二维数组F[i][j]表示前i件物品放入容量为j的背包中可以获得的最大价值(注意此处的容量是背包的总容量,而不是背包的剩余容量)
③ 确定边界值
F[0][0..V] = 0:表示不管第0件物品放入任意容量的背包中其最大价值都是0,因为不存在第0件物品。
F[0..N][0] = 0:表示任意物品放入容量为0的背包中其最大价值都是0,因为容量为0的背包装不下任何物品。
④ 确定状态转移方程
Ⅰ:若第i件物品无法放入容量为j的背包中
Ⅱ:若第i件物品可以放入容量为j的背包中,则分两种情况:
例:
第Ⅰ种情况:
当[i,j] = [2,1]时,物品B的耗费空间Cost=2,而背包的体积 j=1,很明显物品B无法放入背包中,所以
第Ⅱ种情况:
当[i,j] = [2,3]时,物品B的耗费空间Cost = 2,而背包的体积 j=3,物品B可以放入背包中,所以
作者在理解Ⅱ时有一个困惑:为什么第i件物品可以放入容量为j的背包中还需要比较不放入的情况?
这是本文的重点
所以并不是说物品E可以放入就马上放入,因为每放入一件物品都要腾出相应的空间
而腾出的空间可以放入其它物品,而 有可能放入其它的物品价值总和大于物品E的价值。
⑤ 代码实现
1public class Solution{
2 public int dp(int[] wealth, int[] cost, int V, int N){
3 //特殊状态处理
4 if(wealth.length != cost.length){return -1;}
5 if(wealth.length == 0){return 0;}
6 if(wealth.length == 1){
7 if(cost[0] > V){
8 return 0;
9 }else{
10 return wealth[0];
11 }
12 }
13 int[][] F = new int[N + 1][V+1];
14 //边界值处理
15 for(int i = 1; i < N + 1; i++){
16 for(int j = 1; j < V + 1; j++){
17 //先假设不能放入容量为j的背包
18 F[i][j] = F[i-1][j];
19 //判断能不能放入背包
20 if(j > cost[i-1]){
21 F[i][j] = Math.max(F[i-1][j], F[i-1][j-cost[i-1]] + wealth[i-1]);
22 }
23 }
24 }
25 return F[N][V];
26 }
27}
时间有限,能力有限,若有误希望能够指出,乐意与大家交流!
喜欢本文吗?顺手右上角分享文章
没有关注的小伙伴们关注一波
您小小的举动就是对我们最大的支持!
DebugDebut
长按二维码
大家想了解什么计算机基础知识也可以私信给我们,我们一定尽量满足您的需求~
再点个在看啦
以上是关于小白学习动态规划:0-1背包的主要内容,如果未能解决你的问题,请参考以下文章
ACM - 动态规划小白入门:背包 / 线性 / 区间 / 计数 / 数位统计 / 状压 / 树形 / 记忆化 DP