01背包是一种非常经典的动态规划问题,这里对01背包问题进行详细解读。
01背包问题题目描述
有
N件物品和一个容量为
V的背包。第
i件物品的体积是
c[i],价值是
w[i],求将哪些物品装入背包可使价值总和最大。
01背包问题解析
对于所有的动态规划问题,第一步都是确定状态。我们定义状态
dp[i][j] 是表示目前正在枚举第
i 个物品,目前已取的总体积为
j,最大价值为
dp[i][j]。
第二步自然是找状态转移方程。
首先我们注意一点:物品只有取和不取两种选择,这是符合我们日常生活的。状态转移方程就需要从这里为突破口来思考:
(1):假如我们不取这个物品,那么
dp[i][j] 肯定是能从上一个物品,同样体积转移过来的,所以
dp[i][j]=dp[i−1][j]。
(2):假如我们取这个物品,那么
dp[i][j] 是从什么情况转移呢?思考一下,首先可以得出,
dp[i][j] 肯定可以从上一个物品转移过来,那可以从什么体积转移呢?我们注意到,对于
dp[i][j] ,它的当前取到的体积为
j,由于我们取了这个物品,所以上一个物品的体积为
j−c[i]。所以我们可以得出,
dp[i][j] 可以从
dp[i−1][j−c[i]] 转移过来,由于我们取了这个物品,所以还要加上这个物品的价值
w[i] 。
所以我们可以得出01背包的状态转移方程(很重要,尽量背下来!!)
j>=c[i] 时,
dp[i][j]=max(dp[i−1][j],dp[i−1][j−c[i]]+w[i])
j<c[i] 时,
dp[i][j]=dp[i−1][j]。
01背包问题代码(无优化)
01背包滚动数组空间优化
我们分析一下空间复杂度:
O(NV),显然较大,我们要优化一下,用什么优化呢?
我们可以用滚动数组!
观察转移方程,易得
dp[i][j] 只从
dp[i−1][j] 和
dp[i−1][j−c[i]]转移,所以可以用一个
flag代替
i,用
1−flag 代替
i−1。
这样只需要定义
dp[2][maxn] ,大大节省了空间。
01背包滚动数组优化代码
01背包空间优化
这里给大家介绍真正的空间优化。
如果我们将
dp 数组只用来表示体积,那么我们可以让内层循环的
j 从
V 到
0 枚举,那么当前状态转移方程的
dp[j] 和
dp[j−c[i]] 由于我们没有更新,所以仍然是计算上一轮
i−1 个物品的,就是二维状态下的
dp[1−flag][j] 和
dp[i−flag][j−c[i]]。所以现在我们的转移方程是:
dp[j]=max(dp[j],dp[j−c[i]]+w[i])
01背包空间优化代码
课后习题
采药
开心的金明