引言

在动态规划问题中，首先需要抽象出原问题的状态，然后写出状态转移方程，最后根据边界状态值和转移方程求解所有的状态。在本文中，我们将以01背包问题为例来探讨分析如何确定边界状态和边界状态值。

01背包问题的最优方案数（原题链接）

题目描述

有 n n n件物品，每件物品的重量为 w i w_i wi，价值为 c i c_i ci。现在需要选出若干件物品放入一个容量为 V V V的背包中（每件物品至多选一次），使得在选入背包的物品重量之和不超过容量 V V V的前提下，让背包中物品的价值之和最大，求最大价值与对应的最优方案数。

输入描述

第一行两个整数 n n n、 V V V ( 1 ≤ n ≤ 100 , 1 ≤ V ≤ 1 0 3 ) (1 \le n\le 100, 1 \le V \le 10^3) (1≤n≤100,1≤V≤103)，分别表示物品数量、背包容量；

第二行为用空格隔开的 n n n个整数 w i w_i wi（ 1 ≤ w i ≤ 100 1\le w_i \le100 1≤wi≤100），表示物品重量；

第三行为用空格隔开的 n n n个整数 c i c_i ci（ 1 ≤ c i ≤ 100 1\le c_i \le 100 1≤ci≤100），表示物品价值。

输出描述

输出两个整数，分别表示最大价值与最优方案数，中间用空格隔开。由于结果可能很大，因此将结果对
取模后输出。

样例1

输入

3 5
1 2 5
4 2 6

输出

6 2

解释
假设物品编号为从1到3，那么选择第1、2件物品、或者只选择第3件物品时，物品重量不会超过背包容量，对应的价值是 4 + 2 = 6 4+2=6 4+2=6，是最大价值。因此共有2种最优方案。

问题分析

这个问题需要求解两个值，分别是最大价值和最优方案数。

最大价值

对于最大价值，令dp[i][v]表示从前i件物品中选择若干件装入容量为v的背包，在不超过背包容量的前提下，所能装入的最大物品价值。其状态转移方程为：
dp[i][v] = { dp[i-1][v] , if v < w[i] or dp[i-1][v] > dp[i-1][v-w[i]] + c[i] dp[i-1][v-w[i]] + c[i] , else \text{dp[i][v]}=\left\{ \begin{aligned} &\text{dp[i-1][v]}, \quad\quad \quad\quad \quad \text{if v < w[i] or dp[i-1][v] > dp[i-1][v-w[i]] + c[i]} \\ &\text{dp[i-1][v-w[i]] + c[i]},\quad \text{else} \\ \end{aligned} \right. dp[i][v]={dp[i-1][v],if v < w[i] or dp[i-1][v] > dp[i-1][v-w[i]] + c[i]dp[i-1][v-w[i]] + c[i],else
接下来确定上述状态转移方程的边界。对于dp数组的第一维，计算dp[1][v]时，需要用到dp[0][v]，同时发现无法通过状态转移方程计算dp[0][v]，因此dp[0][v] ( 0 ≤ v ≤ V 0 \le v \le V 0≤v≤V)就是一组边界。对于dp数组的第二维，计算dp[i][0]时，需要用到dp[i-1][0]，通过递推可知最终需要用到dp[0][0]。综上所述，这个状态转移方程的边界为：dp[0][v] ( 0 ≤ v ≤ V 0 \le v \le V 0≤v≤V)。

边界的含义是从前0件物品中选若干件装入容量为v的背包中所能获得的最大价值，根据这个意义应该有dp[0][v] = 0。换个角度考虑，整个状态转移方程是从此边界开始的，因此dp[0][v]应该等于dp数组所能取到的最小值，而这个最小值恰好是0。

最优方案数

对于最优方案数，令cnt[i][v]表示从前i件物品中选择若干件装入容量为v的背包中，可以使得背包中物品价值最大的装入方案数。其状态转移方程为：
cnt[i][v] = { cnt[i-1][v] , if v < w[i] or dp[i-1][v] > dp[i-1][v-w[i]] + c[i] cnt[i-1][v-w[i]] , if v ≥ w[i] and dp[i-1][v] > dp[i-1][v-w[i]] + c[i] cnt[i-1][v]+cnt[i-1][v-w[i]] , if v ≥ w[i] and dp[i-1][v] == dp[i-1][v-w[i]] + c[i] \text{cnt[i][v]}=\left\{ \begin{aligned} &\text{cnt[i-1][v]}, \quad\quad\quad \text{if v < w[i] or dp[i-1][v] > dp[i-1][v-w[i]] + c[i]} \\ &\text{cnt[i-1][v-w[i]]},\quad \text{if v$\ge$w[i] and dp[i-1][v] > dp[i-1][v-w[i]] + c[i]} \\ &\text{cnt[i-1][v]+cnt[i-1][v-w[i]]},\quad \text{if v$\ge$w[i] and dp[i-1][v] == dp[i-1][v-w[i]] + c[i]} \end{aligned} \right. cnt[i][v]=⎩ ⎨ ⎧cnt[i-1][v],if v < w[i] or dp[i-1][v] > dp[i-1][v-w[i]] + c[i]cnt[i-1][v-w[i]],if v≥w[i] and dp[i-1][v] > dp[i-1][v-w[i]] + c[i]cnt[i-1][v]+cnt[i-1][v-w[i]],if v≥w[i] and dp[i-1][v] == dp[i-1][v-w[i]] + c[i]
接下来确定上述状态转移方程的边界。对于cnt数组的第一维，计算cnt[1][v]时，需要用到cnt[0][v]，同时发现无法通过状态转移方程计算cnt[0][v]，因此cnt[0][v]( 0 ≤ v ≤ V 0\le v\le V 0≤v≤V)就是一组边界。对于cnt数组的第二维，计算cnt[i][0]时，需要用到cnt[i-1][0]，通过递推可知最终需要用到cnt[0][0]。综上所述，这个状态转移方程的边界为：cnt[0][v]( 0 ≤ v ≤ V 0\le v\le V 0≤v≤V)。

与dp数组的边界值不同，cnt数组的边界值不太容易通过边界的含义来确定，因为cnt[0][v]的含义是从前0件物品中选若干件装入容量为v的背包中，可以使得背包中物品价值最大的装入方案数。我们从cnt数组的取值范围来考虑，根据题意，最优解是一定存在的，只不过是存在几个最优解的问题。根据状态转移方程，在一定的条件下，有cnt[1][v]=cnt[0][v]，显然cnt[1][v]的值至少是1，因此cnt[0][v]的值应该初始化为1。

源代码

在上面的讨论中，用于记录状态的dp和cnt都是二维数组，整个算法的空间复杂度为O(nV)。我们可以通过滚动数组的方式，将空间复杂度减小到O(V)，下面分别给出空间复杂度为O(nV)和O(V)的实现。

O(nV)空间复杂度

#include<bits/stdc++.h>
using namespace std;
const int maxn = 105;
const int maxV = 1e3 + 5;
int dp[maxn][maxV];
int cnt[maxn][maxV];
int n, V;
int w[maxn], c[maxn];int main(){scanf("%d %d", &n, &V);for(int i = 1; i <= n; i++)scanf("%d", &w[i]);for(int i = 1; i <= n; i++)scanf("%d", &c[i]);//初始化dp和cnt数组for(int v = 0; v <= V; v++){dp[0][v] = 0;cnt[0][v] = 1;}for(int i = 1; i <= n; i++){for(int v = 0; v <= V; v++){dp[i][v] = dp[i - 1][v];cnt[i][v] = cnt[i - 1][v];if(v >= w[i] && dp[i][v] < dp[i - 1][v - w[i]] + c[i]){dp[i][v] = dp[i - 1][v - w[i]] + c[i];cnt[i][v] = cnt[i - 1][v - w[i]];}else if(v >= w[i] && dp[i][v] == dp[i - 1][v - w[i]] + c[i]){cnt[i][v] = (cnt[i][v] + cnt[i - 1][v - w[i]]) % 10007;}}}printf("%d %d", dp[n][V], cnt[n][V]);}

O(V)空间复杂度

#include<bits/stdc++.h>
using namespace std;
const int maxn = 105;
const int maxV = 1e3 + 5;
int dp[maxV];
int cnt[maxV];
int n, V;
int w[maxn], c[maxn];int main(){scanf("%d %d", &n, &V);for(int i = 1; i <= n; i++)scanf("%d", &w[i]);for(int i = 1; i <= n; i++)scanf("%d", &c[i]);//初始化dp和cnt数组for(int v = 0; v <= V; v++){dp[v] = 0;cnt[v] = 1;}for(int i = 1; i <= n; i++){for(int v = V; v >= 0; v--){if(v >= w[i] && dp[v] < dp[v - w[i]] + c[i]){dp[v] = dp[v - w[i]] + c[i];cnt[v] = cnt[v - w[i]];}else if(v >= w[i] && dp[v] == dp[v - w[i]] + c[i]){cnt[v] = (cnt[v] + cnt[v - w[i]]) % 10007;}}}printf("%d %d", dp[V], cnt[V]);
}

参考

胡凡、曾磊《算法笔记》

动态规划问题中边界和边界值的确定相关推荐

动态规划问题中找零问题 --C语言实现
一.前言今天又上了一节算法设计与分析课,头疼,学了动态规划的思想解决最值问题,行了,不啰嗦了,直接上干货干吧!!! 二.内容题目: 三.分析过程符合动态规划问题最值问题,故用动态规划来求解. 1 ...
c语言测试数据的边界,黑盒测试-边界值(示例代码)
从数学的角度出发,光从字面上的意思就知道是临界值.大量测试实践经验表明,边界值是最容易出现错误的地方,也是我们测试的重点. 测试边界值时,一般测试边界值和正好超出边界值一个单位的值. 边界值分析法就是 ...
Python-OpenCV 处理图像（五）：图像中边界和轮廓检测
关于边缘检测的基础来自于一个事实,即在边缘部分,像素值出现"跳跃"或者较大的变化.如果在此边缘部分求取一阶导数,就会看到极值的出现. 而在一阶导数为极值的地方,二阶导数为0,基于这 ...
Python-OpenCV 处理图像（四）（五）：图像直方图和反向投影图像中边界和轮廓检测
当我们想比较两张图片相似度的时候,可以使用这一节提到的技术直方图对比反向投影关于这两种技术的原理可以参考我上面贴的链接,下面是示例的代码: 0x01. 绘制直方图 import cv2.cv a ...
动态规划——矩阵中的最短路径长度
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. 题目假设我们有一个 n 乘以 n 的矩阵 w[n][n].矩阵存储的都是正整数.棋子起始位置在左上角, ...
频率很高的笔试题--动态规划类型(中)
动态规划解题算法 1.预测赢家 2.乘积最大子序列 3.丑数 4.跳跃游戏 5.最长连接序列 6.爬楼梯 7.接雨水 8.最长公共子序列可以不连续的子序列要求连续的子序列要求输出最长公共子串 9 ...
算法基础：动态规划数组中滚动数组的使用
这篇文章继续在前一篇文章的基础上介绍动态规划数组的优化方式.很多基础算法本来都是写给我家的小少年看的,结果发现后浪学习的速度远远超出我的想象,在一个周末用这篇文章来纪念一下吧. 目录斐波那契数列 d ...
C#，动态规划问题中基于单词搜索树（Trie Tree）的单词断句分词（ Word Breaker）算法与源代码
分词是自然语言处理的基础,分词准确度直接决定了后面的词性标注.句法分析.词向量以及文本分析的质量.英文语句使用空格将单词进行分隔,除了某些特定词,如how many,New York等外,大部分情况下 ...
动态规划-矩阵中的最短路径
一.牛客 NC59 矩阵的最小路径和给定一个 n * m 的矩阵 a,从左上角开始每次只能向右或者向下走,最后到达右下角的位置,路径上所有的数字累加起来就是路径和,输出所有的路径中最小的路径和. 数 ...

动态规划问题中边界和边界值的确定

引言