01背包问题与动态规划(DP)

Posted frankyu-

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01背包问题与动态规划(DP)相关的知识,希望对你有一定的参考价值。

技术分享图片

 

解法一:我们先用最朴素的方法,着眼于每个物体是否进入背包,进行遍历。

代码如下:

#include<iostream>
#include<algorithm>
using namespace std;
int N,W;
const int maxn=105;
int v[maxn],w[maxn];
int rec(int i,int j){//从第i个下标开始,计算剩余j重量怎么挑选商品 
    int ans;
    if(i==N) ans=0;//已经没有商品可以选择 
    else if(j<w[i]) ans=rec(i+1,j);//如果背包容量装不下下标为i的商品 
    else ans=max(rec(i+1,j),rec(i+1,j-w[i])+v[i]);
    return ans;
}
int main(){
    cin>>N>>W;
    for(int i=0;i<N;i++) cin>>w[i];
    for(int i=0;i<N;i++) cin>>v[i];
    int res=rec(0,W);
    cout<<res<<endl;
    return 0;
}

然而这种算法是对每个商品都进行处理,每一层搜索都有两个分支,时间复杂度为O(2^n),当n比较大的时候就会花费较多的时间。我们注意到,对每个商品进行搜索的时候,有时会出现相同的参数,

于是第二次调用的时候我们其实已经计算过一次了,等于是白白浪费了时间。所以我们有了新的想法:把第一次计算的结果给记录下来,这样可以省下不少时间。

于是有了解法二:

用一个二维数组记录下之前第一次计算出的结果,等到第二次调用相同参数函数的时候,就不必计算。

 1 #include<iostream>
 2 #include<algorithm>
 3 #include<cstring>
 4 using namespace std;
 5 const int maxN=3405;
 6 const int maxW=405;
 7 int dp[maxN][maxW];
 8 int N,W;
 9 int w[maxW],v[maxN];
10 int rec(int i,int j){    
11     if(dp[i][j]>=0) return dp[i][j];
12     int ans;
13     if(i==N) ans=0;
14     else if(j<w[i]) ans=rec(i+1,j);
15     else ans=max(rec(i+1,j),rec(i+1,j-w[i])+v[i]);
16     return dp[i][j]=ans;
17 }
18 int main(){
19     memset(dp,-1,sizeof(dp));
20     cin>>N>>W;
21     for(int i=0;i<N;i++)
22     {
23         cin>>w[i];
24         cin>>v[i];
25     }
26     int res=rec(0,W);
27     cout<<res<<endl;
28     return 0;
29 }
30  

观察这个记忆化数组,我们如果把dp[i][j]定义成如下意义:当总重量小于j时,从下标为i的商品开始挑选,得到商品的最大值。于是有下面的递推公式:

技术分享图片

 

 这就相当于一个逆向递推,我们可以利用一个二重循环,利用递推公式将每一项的值算出来。

 技术分享图片

如同这张表格所示,我们是从下标i=3开始计算(这里需要把dp二维数组的初始值全化为0,在下面的代码中,由于定义的是全局数组,对于只有一个输入样例的情况下主函数中不必再次初始化,

如果问题有多组输入,则主函数需要初始化dp数组)。可以自己动手画一张表格,自己算一算每格的值。这样很有利于理解下面的代码。

 1 #include<iostream>
 2 #include<algorithm>
 3 #include<cstring>
 4 using namespace std;
 5 const int maxN=3405;
 6 const int maxW=405;
 7 int dp[maxN][maxW];
 8 int N,W;
 9 int w[maxW],v[maxN];
10 void  solve(){    
11     for(int i=N-1;i>=0;i--){
12         for(int j=0;j<=W;j++){
13             if(j<w[i]) 
14                 dp[i][j]=dp[i+1][j];
15             else 
16                 dp[i][j]=max(dp[i+1][j],dp[i+1][j-w[i]]+v[i]);
17         }
18     }
19         
20     cout<<dp[0][W]<<endl;
21 }
22 int main(){
23     cin>>N>>W;
24     for(int i=0;i<N;i++)
25     {
26         cin>>w[i];
27         cin>>v[i];
28     }
29     solve();
30     return 0;
31 }
32  

这就是解法三。

当然,有了逆向递推,我们自然也会想到正向递推,只不过需要将dp[i][j]的意义重新定义一下。

如果我们将dp[i+1][j]意义定义为:从前i个商品中挑选重量不超过j的的物品时,价值的最大值。(这里的i是指下标,是从0开始的),就会有下面的递推公式和表格:技术分享图片

 

技术分享图片

 代码如下:

 1 #include<iostream>
 2 #include<algorithm>
 3 #include<cstring>
 4 using namespace std;
 5 const int maxN=3405;
 6 const int maxW=405;
 7 int dp[maxN][maxW];
 8 int N,W;
 9 int w[maxW],v[maxN];
10 void  solve(){    
11     for(int i=0;i<N;i++){
12         for(int j=0;j<=W;j++){
13             if(j<w[i]) 
14                 dp[i+1][j]=dp[i][j];
15             else 
16                 dp[i+1][j]=max(dp[i][j],dp[i][j-w[i]]+v[i]);
17         }
18     }
19         
20     cout<<dp[N][W]<<endl;
21 }
22 int main(){
23     cin>>N>>W;
24     for(int i=0;i<N;i++)
25     {
26         cin>>w[i];
27         cin>>v[i];
28     }
29     solve();
30     return 0;
31 }
32  

 

以上是关于01背包问题与动态规划(DP)的主要内容,如果未能解决你的问题,请参考以下文章

动态规划基础-----01背包(总结)

动态规划专题

动态规划--01背包问题

动态规划之背包问题-01背包+完全背包+多重背包

动态规划第五篇:01背包问题和完全背包问题

动态规划第五篇:01背包问题和完全背包问题