dp 动态规划 01背包问题 Python

参考学习网址：
https://www.bilibili.com/video/av33930433?from=search&seid=10637513335818789097

https://www.cnblogs.com/anzhengyu/p/11408466.html

问题描述：
给定 n 件物品，物品的重量为 w[i]，物品的价值为 v[i]。现挑选物品放入背包中，假定背包能承受的最大重量为 c，问应该如何选择装入背包中的物品，使得装入背包中物品的总价值最大？

思路：
刚开始接触到这个题目的想法是将单位价值最大次大…的几个物品依次装入背包（对单位价值的物品进行排序，从大到小），如果这个装不下就判断下一个是否能装入，直到判断完所有的物品，从而使背包中价值最大。可是这个做法只能通过一些测试，大部分测试通过不了。其实，这是一种贪心算法的思想，这种做法并不能保证背包最终被装满，这些剩余的空间就造成了价值的降低。贪心算法是一种只考虑局部最优的方法，而不是整体最优的方法，所以这个算法思想不是对所有问题都能求得整体最优解就比如这道01背包。

所以这里使用动态规划的思想，即不做重复运算，依次取出一件物品装入容量为1到c的背包，最终得到容量为c时能装入物品价值最大为多少。

我们只用考虑两种情况，装入和不装入。

这里dp[i][j]表示只看前i个物品，背包体积为j的情况下，总价值最大是多少。

不装入：如果在背包体积为j的情况下，不装入第i个物品，那么dp[i][j]就取之前背包体积为j的情况下，装入第i-1个物品时的最大价值，即dp[i-1][j]。
状态转移公式为：dp[i][j]=dp[i-1][j]

装入：在背包体积为j的情况下，如果装入第i个物品就需要与同背包体积时装入i-1个物品的最大价值做对比取最大值填入dp[i][j]。选取第i个物品时，总价值为装入的物品i的价值+背包还剩体积的最大价值。
状态转移公式为：dp[i-1][j-v[i-1]]+w[i-1] (遍历物品次数从1开始，价值体积索引-1)

n, c = map(int, input().split())
v_w = []
for i in range(n):v_w.append(list(map(int, input().split())))dp = [[0 for i in range(c+1)] for j in range(n+1)]for i in range(1, n+1):for j in range(1, c+1):dp[i][j] = dp[i-1][j]if j >= v_w[i-1][0]:dp[i][j] = max(dp[i][j], dp[i-1][j-v_w[i-1][0]]+v_w[i-1][1])print(dp[-1][-1])

以上代码就可以得到最优的01背包最大价值解，但是我们发现dp是用二维列表来存储最大价值，但我们只要背包容量为c时所能装的物品最大价值，这样就会造成很大的内存资源消耗。所以我们能不能将二维列表改为一维列表来存储最大价值呢？

通过上面的二维代码，可以发现dp[i]只与dp[i-1]有关。所以我们只需要让dp来存储上一次（选取物品i-1时）的最大价值。

由于在能装入的情况下，背包有剩余空间（i-1），我们需要i-1体积时的最大价值，所以不能正向改变dp中的最大价值，这时候就需要倒着改变dp中的最大价值。

dp[i]表示背包容量为i时，选取多少物品得到的总价值最大是多少。

不装入：dp[i]=dp[i]，在代码中可以省略

装入：和之前二维类似，dp[j-v[i-1]]+w[i-1]

n, c = map(int, input().split())
v_w = []
for i in range(n):v_w.append(list(map(int, input().split())))dp = [0 for i in range(c+1)]for i in range(n):for j in range(c, -1, -1):if j >= v_w[i][0]:dp[j] = max(dp[j], dp[j - v_w[i][0]] + v_w[i][1])print(dp[-1])

运行结果：

上面为二维运行结果，下面为一维运行结果。可以看出运行内存和时间均得到了优化。

运行测试网址：https://www.dotcpp.com/oj/problem1924.html

欢迎大家采纳和指正！！！
如果大家有更优的解法，欢迎在评论区留言。

dp 动态规划 01背包问题 Python相关推荐

代码随想录算法训练营day41 | 动态规划 01背包问题基础 01背包问题之滚动数组
day41 01背包问题基础问题描述举个栗子二维dp数组01背包 1.确定dp数组以及下标的含义 2.确定递推公式 3.dp数组如何初始化 4.确定遍历顺序 5.举例推导dp数组 01背包问题之 ...
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 ...
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 ...
0-1背包问题python实现
0-1背包问题 ACWings题目链接:https://www.acwing.com/problem/content/2/ 不会的小伙伴可以看一下视频:https://www.bilibili.com ...
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 ...
Leetcode动态规划——01背包问题
内容参考 https://blog.csdn.net/yoer77/article/details/70943462 https://labuladong.github.io/ebook/动态规划系列 ...

dp 动态规划 01背包问题 Python

dp 动态规划 01背包问题 Python相关推荐

最新文章

热门文章