动态规划1—-背包问题

动态规划1—-背包问题

大家好,这次给大家分享的题会比以往难一点,学会了这道题的解题思想,对动态规划的掌握就更上一层楼了
  • 下面先给大家讲有关于动态规划的两个概念(其实在上两次的题中我们一直有在用)
  1. 最优子结构
    对于一个问题,我们可以拆分成很多相似的子问题,并且要算出原问题的最优解之前,
    必须先算出子问题的最优解。例如跳台阶的那道题,f(n-1),f(n-2)…这些就是子问题
    ,我们要算出f(n)之前,就必须先算出f(n-1),f(n-2)。
  2. 状态
    所谓的状态就是指这个问题解决了没有(包括子问题)。我们用1表示已解决,用0表示
    未解决(这个用什么数字表示都行)。例如当我们求出了f(n-1)时,就把它的状态记录
    为1,否则记录为0。记录状态主要是为了防止大量的重复求解

问题:

给定n种物品和一背包。物品i的重量是wi,其价值为vi,背包的容量为C。问应如何选择装入背包的物品,使得装
入背包中物品的总价值最大?
    个人感觉这道经典的0-1背包问题还是挺难的,
    反正当时看了好几遍才看懂,才理解它的做法

解析:

当然,对于这道题,如果你想要暴力递归的方法做也是可以的。例如我们可以把所有
物品看出一个集合,然后把所有子集都求出来,然后看看那个集合的物品装的下且价值
最高。不过时间复杂度是2的n次方。指数增长的复杂度自己掂量。

  • 暴力递归的做法如下(C++)(我就不带大家找递归结束等条件了)

          int n, C;//n表示物品的数量,C表示背包能承载的重量  int v[Max_n+1], w[Max_n+1];//v[i]表示地i个物品的价值,w[i]表重量  //从第i个物品挑选总重量小于j的部分  //**下标从1开始**  int solve(int i, int j){      int sum;      if(i > n){//已经没有物品了(因为下标从0开始的)          sum = 0;      }else if(j < w[i]){          //这个物品装不下          sum = solve(i+1, j);//挑选下一个物品      }else{          //物品装的下          //分是否挑选物品两种情况          //不装,则尝试挑选 下一个          //装的话,背包容量变为j-w[i],单价值多了v[i]          sum = max(solve(i+1, j), solve(i+1, j-w[i])+v[i]);          return sum;      }  }  int main(){      solve(n, C);  }
  • 重复算了同一个函数很多遍,如同
  • 数据变量说明:
  1. 对于一种物品,要么装入背包,要么不装。所以对于一种物品的装入状态可以取0和1.我们设物品i的装入状态为xi,xi∈ (0,1)。
  2. 数据:物品个数n=5,物品重量w[n]={0,2,2,6,5,4},物品价值V[n]={0,6,3,5,4,6},C=10,(为了方便说明,小标从1开始)
  3. 对于m(i,j)就表示可选物品为i…n背包容量为j(总重量)时背包中所放物品的最大价值。
  4. 建立如下方格图(其实就是一个二维数组)

int solve(int m[][11],int w[],int v[],int n)//n代表物品的个数

    //采用从底到顶的顺序来设置m[i][j]的值 

    //首先放w[n] 

    for(int j = 0; j <= c; j++){

      if(j < w[n]) m[n][j] = 0;    //j小于w[n],放不下,把所对应的值设为0,否则就为可以放置 

      else        m[n][j] = v[n]; 

}

 //对剩下的n-1个物品进行放置。 

    int i; 

    for(i = n-1; i >= 1; i--){

        for(int j = 0; j <= c; j++) 

          if(j < w[i]) { 

                  m[i][j] = m[i+1][j];//如果j < w[i]则,表示放不下,它等于上一个位置的值。

}else {

                                            //否则,就考虑是否要放置,原理和递归做法相似             

                m[i][j] = max(m[i+1][j], m[i+1][j-w[i]] + v[i]);

}

    return a[1][c];//m[1][c]就是所求最大值

}




  • 动态规划的实质就是,将问题化为求解子问题,前一个子问题最值问题求解了,如果你找到子问题与当前问题的关系,那么当前问题就解决了,是一个迭代的过程。
    另外,将搜索进行记忆化,也就是说把算过的记录起来。
  • 下面给大家推荐一道类似的题,做法和这个背包的几乎一样,考考大家,给大家练练手。
    问题描述:
    小明是一个喜欢看动画片的人,自从成为ACMer(ACM爱好者)之后,他又迷上了网上做题。做题让他快乐,不过这也是需要付出精力的!!
    假设有n道题,Lian做出第i道题后,他可以获得的快乐指数将增加gethappy[i],而消耗掉的精力将是losspow[i]。
    假设小明初始的快乐指数为1,精力为2000。可以理解,如果他消耗完了所有的精力那他得到再多的快乐都没有用。
    你的任务就是帮他计算他所能得到的最多的快乐指数,且最后他依然有多余的精力(即至少为1)。
    输入格式
    第一行输入一个整数n,表示有n个人。(n<=50)
    第二行输入n个整数,表示gethappy[1]到gethappy[n]
    第三行输入n个整数,表示losspow[1]到losspow[n]。
    输出格式
    一个整数,表示小明所能获得的最大快乐指数。
    输入样例
    3
    15 23 61
    350 1301 1513
    输出样例
    77

—————

  • 希望大家能有所收获
  • 下次会给大家推荐一些数据结构与算法的书(都是自己看过的,感觉还不错)。
  • 如果大家想要这道题的答案,可以在公众号回复小明的快乐获取。

你们的支持便是我最大的动力,支持就关注我的公众号吧:di201805

下面二维码









最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容

  • 回溯算法 回溯法:也称为试探法,它并不考虑问题规模的大小,而是从问题的最明显的最小规模开始逐步求解出可能的答案,并...
    fredal阅读 14,693评论 0 89
  • 树形动态规划,顾名思义就是树+DP,先分别回顾一下基本内容吧:动态规划:问题可以分解成若干相互联系的阶段,在每一个...
    Mr_chong阅读 5,371评论 0 2
  • "use strict";function _classCallCheck(e,t){if(!(e instanc...
    久些阅读 6,169评论 0 2
  • 研究生最后一个学期,可能也是学生生涯最后一个学期,新学期第一天,依照惯例,还是制定flag,本学期目标: 1.学位...
    88ea15a1dbea阅读 1,001评论 0 0
  • 电影推荐: 推荐是枝裕和导演的三部影片 非常疗愈 非常安静的片子 《海街日记》《比海更深》《步履不停》 再推荐一...
    1901心空间阅读 773评论 0 0