【动态规划】
一、 背包问题
1. 背包问题总结
暴力的解法是指数级别的时间复杂度。进而才需要动态规划的解法来进行优化!
背包问题是动态规划(Dynamic Planning) 里的非常重要的一部分,关于几种常见的背包,其关系如下:

在解决背包问题的时候,我们通常都是按照如下五部来逐步分析,把这五部都搞透了,算是对动规来理解深入了。
1)动规四部曲:
(1) 确定dp数组及其下标的含义
(2) 确定递推公式
(3) dp数组的初始化
(4) 确定遍历顺序
2) 递推公式总结:
1. 问能否能装满背包(或者最多装多少):
dp[j] = max(dp[j], dp[j - nums[i]] + nums[i])
2. 问装满背包有几种方法:
dp[j] += dp[j - nums[i]]
3. 问背包装满最大价值:
dp[j] = max(dp[j], dp[j - weight[i]] + value[i])
4. 问装满背包所有物品的最小个数:
dp[j] = min(dp[j], dp[j - coins[i]] + 1)
3) 遍历顺序总结:
- 二维dp数组01背包,先遍历物品还是先遍历背包都是可以的,且第二层for循环是从小到大遍历
- 一维dp数组01背包,只能先遍历物品再遍历背包容量,且第二层for循环是从大到小遍历。
- 求组合数:外层遍历物品,内层遍历背包
求排列数:外层遍历背包,内层遍历物品
求最小数:两层for循环的先后顺序无所谓
2. 01背包
有n件物品和一个最多能背重量为w 的背包。第i件物品的重量是weight[i],得到的价值是value[i]
。每件物品只能用一次,求解将哪些物品装入背包里物品价值总和最大。
1) 二维dp数组
对于背包问题,有一种写法是使用二维数组。
-
动规四部曲:
1) 确定dp数组及其下标的含义- dp[i][j] 表示从下标为 [0 - i] 的物品里任意取,放进容量为j的背包,价值总和最大是多少。
2) 确定递推公式
- 不放物品i:由dp[i - 1][j]推出,即背包容量为j,里面不放物品i的最大价值,此时dp[i][j]就是dp[i - 1][j]。(其实就是当物品i的重量大于背包j的重量时,物品i无法放进背包中,所以被背包内的价值依然和前面相同。)
- 放物品i:由dp[i - 1][j - weight[i]]推出,dp[i - 1][j - weight[i]] 为背包容量为j - weight[i]的时候不放物品i的最大价值,那么dp[i - 1][j - weight[i]] + value[i] (物品i的价值),就是背包放物品i得到的最大价值
- 所以递归公式:
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
3)dp数组的初始化
* 首先从dp[i][j]的定义出发,如果背包容量j为0的话,即dp[i][0],无论是选取哪些物品,背包价值总和一定为0
* 状态转移方程 dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]); 可以看出i 是由 i-1 推导出来,那么i为0的时候就一定要初始化。
* dp[0][j]:存放编号0的物品的时候,各个容量的背包所能存放的最大重量j。
那么很明显当 j < weight[0]时,dp[0][j] 应该是 0(背包容量比编号0的物品重量还小)
同理,当j >= weight[0]时,dp[0][j] 应该是value[0](背包容量足够放编号0物品)
4) 确定遍历顺序
- 遍历顺序总结:
* 二维dp数组01背包,先遍历物品还是先遍历背包都是可以的,且第二层for循环是从小到大遍历
* 一维dp数组01背包,只能先遍历物品再遍历背包容量,且第二层for循环是从大到小遍历。
代码实现
- python(二维dp数组)
bag_size = 4
weight = [1, 3, 4]
value = [15, 20, 30]
rows, cols = len(weight), bag_size + 1
dp = [[0]*cols for _ in range(rows)]
# 初始化dp数组.
for i in range(rows):
dp[i][0] = 0
first_item_weight, first_item_value = weight[0], value[0]
for j in range(1, cols):
if first_item_weight <= j:
dp[0][j] = first_item_value
# 更新dp数组: 先遍历物品, 再遍历背包.
for i in range(1, rows):
for j in range(1, cols):
if weight[i] > j: # 说明背包装不下当前物品.
dp[i][j] = dp[i - 1
5554



被折叠的 条评论
为什么被折叠?



