动态规划——背包问题（详解）

动态规划是我最早接触的算法，一开始非常简单，固定模板题，后来愈发愈发难起来了，条件，状态压缩等等，难点主要是，状态怎么表示，状态转移方程怎么写，这篇文章将会从背包五大问题详解，希望能帮助到大家去类比，思考其他动态规划题目。

首先先来看看动态规划的定义：
动态规划算法是通过拆分问题，定义问题状态和状态之间的关系，使得问题能够以递推（或者说分治）的方式去解决。动态规划算法的基本思想与分治法类似，也是将待求解的问题分解为若干个子问题（阶段），按顺序求解子阶段，前一子问题的解，为后一子问题的求解提供了有用的信息。在求解任一子问题时，列出各种可能的局部解，通过决策保留那些有可能达到最优的局部解，丢弃其他局部解。依次解决各子问题，最后一个子问题就是初始问题的解。

看完定义我们开始应用了！来看基本的01背包问题，也是最经典的动态规划01背包问题（点此跳转题目，下同）
[ps:建议而外开个网页去打开题目链接，用Ctrl+tab食用更佳]

这题所求的是V容积下能够装的物品的最大值。很显然有容积的限制有时候你不能全部都装，又有体积和价值的不确定性，可能你选小体积的反而会有更大的价值，如果去暴力枚举时间复杂度呈指数显然不能ac，那么就需要六大算法之一动态规划了。

明确的一点此题是求最大值，而每个物品至多选一次，也就是只有选和不选俩个状态。我们可以一个一个物品去决策这个物品是该选还是不该选，这只需要一个max函数就能完成了。现在的问题是如何去定义，怎么去记录这个决策过程。依靠现有的知识能储存多组数据的只有数组了，我们可以先定义一个二维数组dp[N][N]去记录这个过程。

int dp[N][N]; //dp[i][j]表示容积为j的背包只装前i个物品可以达到的最大价值

这也是动态规划的第一步，明确数组的含义或者集合的含义。

接下来可以一个一个去决策了，先预知一下，肯定需要一个for循环去枚举物品，枚举完物品又需要一个for循环去枚举体积。在选或不选的情况下去择优，更新dp[i][j]，n2的时间复杂度，显然对付这题很容易了。

for(int i = 1; i <= n; i++) {for(int j = 0; j <= m; j++) {dp[i][j] = dp[i-1][j]; //一开始是都选择不装if(j>=v[i]) dp[i][j] = max(dp[i][j], dp[i-1][j-v[i]]+w[i]);  //只有物品体积大于背包容积了才可以开始决策择优选或不选。}
}

那么最终答案就是dp[n][m],在只考虑前n个物品最大容积为m的背包可以装的物品的最大价值ac代码：

#include <iostream>using namespace std;const int N = 1010;int n, m;
int v[N], w[N];
int dp[N][N];int main() {cin >> n >> m;for(int i = 1; i <= n; i++) cin >> v[i] >> w[i];for(int i = 1; i <= n; i++) {for(int j = 0; j <= m; j++) {dp[i][j] = dp[i-1][j];if(j>=v[i]) dp[i][j] = max(dp[i][j], dp[i-1][j-v[i]]+w[i]);}}cout << dp[n][m] << endl;return 0;
}

可能有人了解到可以空间压缩，滚动数组等等，在此先不讲，我们前面先讲思维。（有兴趣的我后面可能有浅讲一手，你们可以浅看一手）
好回归正题，我们来总结一下01背包问题。
首先是一个状态表示二维数组dp[][]，其次就是状态计算，怎么得到这个dp[i][j]，其实也挺简单，刚入门就是这么简单。

（建议消化一下，新知识的接纳需要沉淀）

好我们开始下一个完全背包问题

与01背包不同的是，此问题的物品可以选择无限个;
状态表示跟01背包如出一辙，你问为什么，这么类似的题你不用类似的状态表示么，你还能想出其他的么，想出了当我没说

而状态计算跟刚刚也一样么，不错，一样的地方是一模一样的，只需要再添一重循环去循化个数就好了。这也是动态规划题目经常会遇到的设定，会给出体积限制，数量限制等等限制。代码如下

#include<iostream>using namespace std;const int N = 1010;int dp[N][N];
int v[N],w[N];int main(){int n,m;cin>>n>>m;for(int i = 1 ; i <= n ;i ++) cin>>v[i]>>w[i];for(int i = 1 ; i<=n ;i++){for(int j = 0 ; j<=m ;j++) {for(int k = 0 ; k*v[i]<=j ; k++)dp[i][j] = max(dp[i][j],dp[i-1][j-k*v[i]]+k*w[i]);}}cout<<dp[n][m]<<endl;
}

欸，复制过去为什么没ac，哈哈显然对于这道题n3的时间复杂度就tle了，这里先不说ac代码了，如果你仔细看完我对01背包的描述，这上面的代码应该是一边过，模拟一下代码就好了，很清晰。

接下来是多重背包问题

与上述俩个问题不同的是既不是只能选一个也不是无限选，多重背包问题中是每个物品有数量限制，只能选几个。
这就是数量限制了，加嘛，加条件而已，谁都会。

#include <iostream>using namespace std;int dp[105][105];
int v[105],w[105],s[105];int main(){int n,m;scanf("%d%d",&n,&m);for(int i=1;i<=n;i++) scanf("%d%d%d",&v[i],&w[i],&s[i]);for(int i=1;i<=n;i++){for(int j=0;j<=m;j++){for(int k=0;k<=s[i];k++){if(j>=k*v[i]){dp[i][j]=max(dp[i][j],dp[i-1][j-k*v[i]]+k*w[i]);}}}}printf("%d",dp[n][m]);return 0;
}

欸，为什么这题n3方的时间复杂度既然过了，因为这题数值范围比较小的说（不然你能过？？）

三题下来貌似很简单嘛，就很模板化了，接下来继续看分组背包问题

此题与上述三题又有点不一样了。他将所有物品分成几个组，欸每组只能选几个。他不关心你每个能取几个了，他关心你每组能取几个了。emm稍有变通一下，我们刚刚关心每个第一重循环就去枚举物品个数，那我们现在关系每组，就只需要第一组去枚举组数就好了。

#include <iostream>
using namespace std;const int N=110;
int dp[N][N];  //只从前i组物品中选，当前体积小于等于j的最大值
int v[N][N],w[N][N],s[N];   //v为体积，w为价值，s代表第i组物品的个数
int n,m,k;int main(){cin>>n>>m;for(int i=1;i<=n;i++){cin>>s[i];for(int j=0;j<s[i];j++){cin>>v[i][j]>>w[i][j];  //读入}}for(int i=1;i<=n;i++){for(int j=0;j<=m;j++){dp[i][j]=dp[i-1][j];  //不选for(int k=0;k<s[i];k++){if(j>=v[i][k])  dp[i][j]=max(dp[i][j],dp[i-1][j-v[i][k]]+w[i][k]);  }}}cout<<dp[n][m]<<endl;
}

最后最后就是混合背包问题了，顾名思义，将上述背包混合起来，有的关心个数，有的关心组数，有的有条件限制，有的有数量限制，请听题混合背包问题

如果你会了这题，那么证明你不是小白了，因为二维很难做，在此先不贴ac代码了。
好我们认识了这么多的背包问题，也算是动态规划入门了，现在你应该也对动态规划有所了解了，总比贪心好做吧！我们来归纳一下基础的动态规划题。

根据闫氏DP分析法，总的包括俩部分：
一部分是状态表示：也就是你需要去找一个集合去不重不漏的把所有情况涵盖在内，之后是解释这个集合的属性，可能是最大值，最小值，也可能是数量，直观感受就是去描述你这个数组代表着什么；
另一部分就是去状态计算：去写状态转移方程，直观的就是去想你当前这个单元是有哪几部分构成，如何去决策择优。例如01背包问题，dp[i][j]里面由dp[i-1][j]和dp[i-1][j-v[i]]+w[i]俩部分构成。咳咳肯定有小伙伴懵逼，我来翻译一下。就是说在容积为j的背包只挑前i个物品的最大价值可能是在容积为j的背包只挑前i-1个物品的最大价值，也可能是在容积为j-v[i]的背包只挑前i-1个物品的最大价值（第i个已经挑了）有没有顿悟了（没有在返回几行再看一遍/头槌）。至此动态规划--背包问题入门思维版已经结束了，相信你对背包问题已经了解了，慢慢感受状态表示和状态计算的魅力吧。

动态规划——背包问题（详解）相关推荐

动态规划背包问题详解（二）---0-1背包问题
/** * 对于技术面试,你还在死记硬背么? * 快来"播"沙糖橘吧, * 用视频案例为你实战解读技术难点 * 聚焦Java技术疑难点,实战视频为你答疑解惑 * 越&qu ...
动态规划------背包问题详解
文章目录一.01背包二.完全背包三.多重背包四.二维费用背包一.01背包有n件物品,每件物品占用的空间为w[i], 价值为p[i]. 有容量为 V 的背包.求在容量允许的范围下,背包装入物 ...
c语言背包问题装字母,C语言动态规划之背包问题详解
01背包问题给定n种物品,和一个容量为C的背包,物品i的重量是w[i],其价值为v[i].问如何选择装入背包的物品,使得装入背包中的总价值最大?(面对每个武平,只能有选择拿取或者不拿两种选择,不能选 ...
（转）dp动态规划分类详解
dp动态规划分类详解转自:http://blog.csdn.NET/cc_again/article/details/25866971 动态规划一直是ACM竞赛中的重点,同时又是难点,因为该算法时间 ...
01背包问题详解（浅显易懂）
01背包问题详解 01背包是一种动态规划问题.动态规划的核心就是状态转移方程,本文主要解释01背包状态转移方程的原理. 问题描述 01背包问题可描述为如下问题: 有一个容量为V的背包,还有n个物体.现 ...
五大算法之动态规划套路详解（1）
前言: 一.Why?为什么需要动态规划二.What?什么是动态规划三.How?如何利用动态规划做题四.思路总结前言: 对于很多学习算法的同学来说,往往是跟着老师和学校教材上课,然后去刷题练熟练 ...
最长公共子序列 - 北京大学郭炜动态规划代码详解
最长公共子序列 - 北京大学郭炜动态规划代码详解解题思路: 该题可用动态规划解决.动态规划需要我们找出子问题. 假设我们输入两个字符串: ACTTGACC CGTT 那么如何通过动态规划算出其最大 ...
背包问题详解-动态规划
目录 01背包问题暴力法空间优化背包问题的所有情况完全背包问题状态转移方程分析空间优化方法二:记录第i件物品的数据k 方法三:转换成01背包多重背包方法一:记录第i件物品的数据k 方 ...
0-1背包问题详解（一步一步超详细）
1.什么叫01背包问题? 背包问题通俗的说,就是假如你面前有5块宝石分别为a, b, c, d, e,每块宝石的重量不同,并且每块宝石所带来的价值也不同(注意:这里宝石的重量的价值没有特定关系),目前 ...
九种 0-1 背包问题详解
目录动态规划概念问题1:0-1背包问题问题2:完全背包问题问题3:多重背包问题问题4:混合背包问题问题5:二维背包问题问题6:分组背包问题问题7:有依赖的背包问题 (困难) 问题8:背 ...

动态规划——背包问题（详解）

动态规划——背包问题（详解）相关推荐

最新文章

热门文章