01背包除了可以用形象的二维动态数组表示外，还可以使用空间复杂度更低的一维滚动数组。

文章目录

前言

一、滚动数组的基本理解

二、确定dp及其下标含义

三、确定递推公式

四、确定初始化

五、确定遍历顺序

1.用物品（正序）遍历背包（正序）

实现代码：

手写图解：

2.用背包（正序）遍历物品（正序）

实现代码：

手写图解：

3.用物品（正序）遍历背包（逆序）

实现代码：

手写图解：编辑

总结

前言

晦涩难懂的滚动数组，有两个非常重要的点：①倒序②物品嵌套背包遍历

一、滚动数组的基本理解

我对于滚动数组的理解是：

滚动数组是基于二维数组之上产生的，之所以滚动数组能够用一维的方式去完成和二维同样的工作，原因就是在于这个滚动数组能够重复产生数据，进而有“滚动”的效果。

滚动数组的本质还是二维数组，只是数据不再产生新的行，只在一行上一直进行数据的覆盖更新，因此要特别注意数据污染的情况。

二、确定dp及其下标含义

由题意与我们将要创建的一维数组可知，dp[j]的含义是：背包容量为j时能装的最大价值。

三、确定递推公式

与二维dp数组相同，dp[j]的状态可以由两种状态得来：

①拿第i件物品（拿了以后，背包容量会减，价值会增加）；

②不拿第i件物品；

所以可得：dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);

四、确定初始化

由递推公式可得：dp[j]是由它之前的数据得来的，也即想要知道dp[j]的数值，就需要知道dp[j-x]的数据。（x是往前推的、未定的下标）

所以初始化只需要初始化dp[0]为0即可。（目前分析来说）

五、确定遍历顺序

与二维数组相同的是，一维dp数组仍然需要遍历物品和背包容量两种变量，只有这样才能模拟出将物品放入背包的过程。

1.用物品（正序）遍历背包（正序）

实现代码：

for (int j = 0; j < bagCapacity; j++){for (int i = 0; i < weight.size(); i++){// 背包容量够放if (j >= weight[i]){dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);}// 不够放else{dp[j] = dp[j];}}}

手写图解：

由此我们可以很明显地看出在一维dp数组的情况下，数据覆盖的时候会发生污染，发现了物品0被放进dp[2]两次。

难道是遍历前后顺序不对？

2.用背包（正序）遍历物品（正序）

实现代码：

for (int i = 0; i < weight.size(); i++){for (int j = 0; j < bagCapacity; j++){// 背包容量够放if (j >= weight[i]){dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);}// 不够放else{dp[j] = dp[j];}}

手写图解：

交换后，还是不可避免地发生了数据污染。

由此我们可以知道：

正序遍历的时候会将上一个物品装进背包两回，导致错误，而逆序就可保证dp[j]不受前面数据的影响（这时前面的数据仍然都是0），也就保证了每件物品只被放进去一次。

分析到这，我们也可以知道：初始化必须让整个dp数组的值都初始化为0（后面的dp[j]不能受前面数据的影响）。

3.用物品（正序）遍历背包（逆序）

实现代码：

for (int i = 0; i < weight.size(); i++){for (int j = bagCapacity; j >= 0; j--){// 背包容量够放if (j >= weight[i]){dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);}// 不够放else{dp[j] = dp[j];}}}

手写图解：

总结

最后我也验证了，既然遍历背包容量的时候需要倒序，那么可不可以再将倒序的背包和正序的物品颠倒位置？

运行结果：

原因是：从后向前遍历背包容量，见到能放进去的物品就跟已经已经在背包里的价值相比较，选择大的，但是这样一来不会发生价值的相加，只是看哪个物品价值高，并且在背包容量范围内，那就放进背包成为dp[j]。

遍历顺序在较复杂的dp题中是非常重要的一环。

【动态规划】01背包问题（滚动数组 + 手画图解）相关推荐

动态规划0-1背包问题滚动数组
1.经典0-1背包问题问题描述:给定一组物品,每种物品都有自己的重量和价格,在限定的总重量内选择物品使得物品的总价值最高. 回顾对于二维的0-1背包问题递推关系式: d p [ i ] [ j ] ...
动态规划 0-1背包问题滚动数组
定义 dp[j]是从物品0到i中挑选物品,放进容量为j的背包中的最大价值总和. 初始化 int dp[maxn]; memset(dp, sizeof(dp), -0x3f3f3f3f); 一维滚动数 ...
代码随想录42——动态规划：0-1背包理论基础、0-1背包滚动数组、416分割等和子集
文章目录 1.0-1背包理论基础 1.1.概述 1.2.0-1背包 1.3.二维dp数组01背包--动规五部曲 1.4.完整测试代码 2.0-1背包滚动数组 2.1.一维滚动数组 2.2.一维dp数组 ...
01背包问题（当有的背包重量是非整数时）的递归（优化成动态规划+再用滚动数组优化）解法+一些动态规划（递归，搜索）的高级技巧
当背包重量是整数时,动态规划可以用数组存储状态就可以了. 当背包重量是非整数时,用map存储状态就可以了!主要思路: map(构造函数中参数comp是仿函数(或者叫函数对象))+递归优化(" ...
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 ...
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 ...
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】01背包问题（滚动数组 + 手画图解）

前言

一、滚动数组的基本理解

二、确定dp及其下标含义

三、确定递推公式

四、确定初始化

五、确定遍历顺序

1.用物品（正序）遍历背包（正序）

实现代码：

手写图解：

2.用背包（正序）遍历物品（正序）

实现代码：

手写图解：

3.用物品（正序）遍历背包（逆序）

实现代码：

手写图解：

总结

【动态规划】01背包问题（滚动数组 + 手画图解）相关推荐

最新文章

热门文章