动态规划（01背包问题）

本文默认读者具有动态规划前置知识

动态规划的特点：

重叠子问题
状态转移方程
最优子结构

题型：求最值
解题套路：

明确【状态】
明确【选择】
明确dp函数/数据的定义
明确base case

例：给你一个可装载容量为W的背包和N个物品，每个物品有重量和价值两个属性。其中第i个物品的重量为wt[i]，价值为va[i]，现在让你用这个背包装物品，最多能装的价值是多少?
在这里将问题具体化：现在有4 (N=4)个物品，背包总容量为8 (W=8),背包最多能装入价值为多少的物品?

物体编号	物体体积	物体价值
1	2	3
2	3	4
3	4	5
4	5	6

第一步，明确状态和选择
状态：背包的空余容量剩多少；可选择的物品还有哪些
选择：把这个物品装进背包；把这个物品装进背包
第二步，明确dp数组的定义：对于前1个物品，当背包的容量为w时，可以装的最大价值是 dp[i][w]
比如说，dp[4][8]=10的含义为:
对于给定的一系列物品中，若只对前4个物品进行选择，当背包容量为8时，最多可以装下的价值为10。
根据此定义，还可得出:base case为dp[0][…] = dp[…][0] =0（编号为0，不装物品；容量为0，装不下任何物体），我们想计算的结果是 dp[N][W]
背包容量为1，物品编号可选为1，通过上表可知，物品编号为1时物品体积为2，所以此时选择不装任何物品。
背包容量为2，物品编号可选为1，装入则价值为3。依次往后填充该行。
背包容量为3，物品编号可选为1、2时，装入编号为2的物品，此时价值为4。
背包容量为5，物品编号可选为1、2时，装入编号为1和2的物品，此时价值为7。
依次往后填充完该表格
第三步，根据[选择]写出状态转移逻辑：在w的约束下，把物品i装进背包,最大价值是多少；在w的约束下，不把物品i装进背包，最大价值是多少?

for(let i=1;i<=n;i++) {for(let v=w[i]; v<=c;v++) {dp[i][v] = Math.max(dp[i-1][v], dp[i-1][v-w[i]]+value[i])}
}

背包问题完整求解代码：

// 入参是物品的个数和背包的容量上限，以及物品的重量和价值数组
function knapsack(n, c, w, value) {// dp是动态规划的状态保存数组const dp = (new Array(c+1)).fill(0)  // res 用来记录所有组合方案中的最大值let res = -Infinityfor(let i=1;i<=n;i++) {for(let v=c;v>=w[i];v--) {// 写出状态转移方程dp[v] = Math.max(dp[v], dp[v-w[i]] + value[i])// 即时更新最大值if(dp[v] > res) {res = dp[v]}}}return res
}

扩展 – 最长上升子序列模型

题目描述：给定一个无序的整数数组，找到其中最长上升子序列的长度。
示例:
输入: [10,9,2,5,3,7,101,18]
输出: 4
解释: 最长的上升子序列是 [2,3,7,101]，它的长度是 4。

代码实现

/*** @param {number[]} nums* @return {number}*/
// 入参是一个数字序列
const lengthOfLIS = function(nums) {// 缓存序列的长度const len = nums.length  // 处理边界条件if(!len) {return 0}// 初始化数组里面每一个索引位的状态值const dp = (new Array(len)).fill(1)// 初始化最大上升子序列的长度为1let maxLen = 1 // 从第2个元素开始，遍历整个数组for(let i=1;i<len;i++) {// 每遍历一个新元素，都要“回头看”，看看能不能延长原有的上升子序列for(let j=0;j<i;j++) {  // 若遇到了一个比当前元素小的值，则意味着遇到了一个可以延长的上升子序列，故更新当前元素索引位对应的状态if(nums[j]<nums[i]) {dp[i] = Math.max(dp[i], dp[j] + 1)  }}// 及时更新上升子序列长度的最大值if(dp[i] > maxLen) {maxLen = dp[i]}}// 遍历完毕，最后到手的就是最大上升子序列的长度return maxLen
};

动态规划（01背包问题）相关推荐

动态规划—01背包问题
原文作者:弗兰克的猫原文地址:[动态规划]01背包问题摘要: 01背包问题:n个物品放入容量为c的背包中. 常见解法: 分治法:递归计算,且存在重复计算的bug 自上而下填表法:从大到小使用递归计 ...
动态规划——0-1背包问题
文章出处:极客时间<数据结构和算法之美>-作者:王争.该系列文章是本人的学习笔记. 1 0-1背包问题背包能够承受的总重量一定w,每个物品的总量不同int[] weight表示.怎么放才 ...
动态规划——01背包问题看此一篇文章就够了
本文讲述经典算法--动态规划的常见问题 01背包一篇文章带你学会01背包问题,妈妈再也不担心我遇到01背包了!!! 问题描述有n个物品,它们有各自的体积和价值,现有给定容量m的背包,如何让背包 ...
动态规划---01背包问题（2种方法）
一.动态规划代表一类问题(最优子结构或子问题最优性)的一般解法,是设计方法或者策略,不是具体算法本质:递推,核心是找到状态转移的方式,写出dp方程. 解决问题:交叉,重叠子问题(最优子问题) 形式 ...
动态规划01背包问题入门学习，详细笔记，推荐阅读
问题描述: 给定N种物品和一个背包.物品i的重量是Wi,其价值位Vi ,背包的容量为C.问应该如何选择装入背包的物品,使得转入背包的物品的总价值为最大?? 在选择物品的时候,对每种物品i只有两种选择, ...
python实现动态规划0-1背包问题
一.动态规划算法介绍动态规划算法通常用于求解具有某种最优性质的问题.在这类问题中,可能会有许多可行解.每一个解都对应于一个值,我们希望找到具有最优值的解.动态规划算法与分治法类似,其基本思想也是将待 ...
详解动态规划01背包问题--JavaScript实现
对其他动态规划问题感兴趣的,也可以查看详解动态规划最少硬币找零问题--JavaScript实现详解动态规划最长公共子序列--JavaScript实现一开始在接触动态规划的时候,可能会云里雾里,似 ...
动态规划--01背包问题详解
代码随想录day42和day43 动态规划模块01背包问题 "即使到不了远方,心中也要有远方的模样." 文章目录 1. 01背包理论基础 1.1什么是背包问题 1.2二维dp数组 ...
1.动态规划--01背包问题
动态规划 DP问题思考时候分成两大部分考虑 1. 状态表示 f(i,j) (1) 集合:(所有选法的集合) 所有选法条件: 1.从前i个物品中选 2. 总体积m<=j (2) 属性最大值.最 ...
动态规划-01背包问题
大佬整理的理解链接:(建议先看一遍自行理解DP思想再去看代码) 动态规划之01背包问题 - kkbill - 博客园01背包问题问题描述: 给定 n 件物品,物品的重量为 w[i],物品的价值为 c ...

动态规划（01背包问题）

动态规划（01背包问题）相关推荐

最新文章

热门文章