Leetcode动态规划篇（0-1背包问题一维和二维dp实现）-Toy模板网

这篇具有很好参考价值的文章主要介绍了Leetcode动态规划篇（0-1背包问题一维和二维dp实现）。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

🤗专栏：每日算法学习
💬个人主页：个人主页

Leetcode动态规划篇（0-1背包问题一维和二维dp实现）

1.前提：什么是0-1背包

🤓情况描述：有n件物品和一个最多能背重量为w 的背包。第i件物品的重量是weight[i]，得到的价值是value[i] 。每件物品只能用一次，求解将哪些物品装入背包里物品价值总和最大。每一件物品其实只有两个状态，取或者不取。
举一个例子，之后我们将拿这里例子进行后续分析
weight = []1,3,4]
value = [15,20,30]

物品	weight	value
物品0	1	15
物品1	3	20
物品2	4	30

2.实现：二维dp讲解

💯动态规划五部曲：
1.（重要）首先搞懂dp[i][j]代表的意思： 代表从0-i个物品中，取出任意个，放入容量为j的背包的价值总和。i表示取的物品，j表示背包容量
2.确定递推公式：
分为两个方向思考价值：一个是不放i物品，一个是放了i物品。
如果容量不满足：直接将上一个背包价值赋值给dp[i][j]
如果容量满足：
不放i物品价值，那么dp[i][j]就是未放i物品的价值，即dp[i-1][j]
放了i物品价值，那么此时最大价值：dp[i][j]应该是dp[i-1][j-weight[i]+value[i]]
两者取最大值比较即可
递推公式为：dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
3.初始化dp数组：
如下图所示：
当背包容量为0的时候，所有价值为0；当i=0时，只有一个物品可供选择，所以物品0行值为15；之后当选择多起来之后，可以根据递推公式得出此时物品的价值。所以初始化dp[i][0]和dp[0][j]即可满足初始化条件，供我们后续计算物品价值。同时对于其他值，我们给初始化成0，这样我们在后续进行求最大值的时候不会对我们产生影响

背包种类/背包容量	1	2	3	4
物品0	15	15	15	15
物品1	0	0	0	0
物品2	0	0	0	0

代码实现：

   // 创建dp数组
        int goods = weight.length;  // 获取物品的数量
        //这里数组容量为什么要+1呢？
        //因为我们又添加了一个0，容量变成了5，此时size才为4，求n的时候，保证不越界，使求的n就是dp[i][n]，加一保证不越界和好使用
        int[][] dp = new int[goods][bagSize + 1];

        // 初始化dp数组
        // 创建数组后，其中默认的值就是0
        //为什么这里是以weight[0]作为其实值呢？，当只有一个物品时候，
        //要从容量符合的位置开始装，初始化第一行价值
        for (int j = weight[0]; j <= bagSize; j++) {
            dp[0][j] = value[0];
        }

4.确定遍历顺序： 因为dp数组需要知道之前的物品价值，才能求得价值最大值，所以遍历顺序是从前向后。

5.举例推导： 就以我们上面的例子来进行推导：
代码实现：二维dp模板

package excrise.算法专训.背包问题;

public class 背包问题0_1 {
    public static void main(String[] args) {
        int[] weight = {1,3,4};
        int[] value = {15,20,30};
        int bagSize = 4;
        testWeightBagProblem(weight,value,bagSize);
    }

    /**
     * 动态规划获得结果
     * @param weight  物品的重量
     * @param value   物品的价值
     * @param bagSize 背包的容量
     */
    public static void testWeightBagProblem(int[] weight, int[] value, int bagSize){

        // 创建dp数组
        int goods = weight.length;  // 获取物品的数量
        int[][] dp = new int[goods][bagSize + 1];

        // 初始化dp数组
        // 创建数组后，其中默认的值就是0
        for (int j = weight[0]; j <= bagSize; j++) {
            dp[0][j] = value[0];
        }

        // 填充dp数组
        for (int i = 1; i < weight.length; i++) {
            for (int j = 1; j <= bagSize; j++) {
                if (j < weight[i]) {
                    /**
                     * 当前背包的容量都没有当前物品i大的时候，是不放物品i的
                     * 那么前i-1个物品能放下的最大价值就是当前情况的最大价值
                     */
                    dp[i][j] = dp[i-1][j];
                } else {
                    /**
                     * 当前背包的容量可以放下物品i
                     * 那么此时分两种情况：
                     *    1、不放物品i
                     *    2、放物品i
                     * 比较这两种情况下，哪种背包中物品的最大价值最大
                     */
                    dp[i][j] = Math.max(dp[i-1][j] , dp[i-1][j-weight[i]] + value[i]);
                }
            }
        }

        // 打印dp数组
        for (int i = 0; i < goods; i++) {
            for (int j = 0; j <= bagSize; j++) {
                System.out.print(dp[i][j] + "\t");
            }
            System.out.println("\n");
        }
    }
}

总结： 对于背包求价值那块，两层for循环换位置当你有些迷糊时，要时刻去回顾dp[i][j]代表的含义是什么，慢慢才能理解进去。

3.实现：一维dp讲解（滚动数组）

相对于二维dp，我们更加常用一维dp来解决背包问题。
1.理解dp{j】的含义： 相对于二维dp[i][j]，一维dp[j]中的j表示的是二维数组中的背包容量j，dp[j]表示此时背包的最大价值
2.确定地推公式
分为两个方向思考价值：一个是不放i物品，一个是放了i物品。
如果容量不满足：直接将上一个背包价值赋值给dp[j]
如果容量满足：
不放i物品价值，那么dp[i][j]就是未放i物品的价值，即dp[j] (dp[j]是滚动更新的，所以可以写成dp[j])
放了i物品价值，那么此时最大价值：dp[j]应该是dp[j-weight[i]+value[i]]
两者取最大值比较即可
递推公式为：dp[j] = max(dp[j], dp[j - weight[i]] + value[i]); 滚动更新
3.初始化dp数组
数组初始化为0，即定义之后就会默认为0；原因在第四步讲解
4.遍历顺序
因为题中要求的是，每个物品只能使用一次。如果从前向后计算的话，那么同一个物品会被使用多次，即放了多次。所以对于一维数组来说，只能从后往前进行计算。这样才满足同一个物品使用一次的条件。从后往前的话，因为每个物品的值初始化时0，所以保证了只使用一次。
5.举例推导：
依旧使用上面的例子：

背包种类/背包容量	1	2	3	4
物品0	15	15	15	15
物品1	0	0	0	0
物品2	0	0	0	0

代码实现：

package excrise.算法专训.背包问题;

public class 背包问题0_1一维数组 {
    public static void main(String[] args) {
        int[] weight = {1, 3, 4};
        int[] value = {15, 20, 30};
        int bagWight = 4;
        test(weight, value, bagWight);
    }

    public static void test(int[] weight, int[] value, int bagWeight){
        int wLen = weight.length;
        //定义dp数组：dp[j]表示背包容量为j时，能获得的最大价值
        int[] dp = new int[bagWeight + 1];
        //遍历顺序：先遍历物品，再遍历背包容量
        for (int i = 0; i < wLen; i++){
            for (int j = bagWeight; j >= weight[i]; j--){
                dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
            }
        }
        //打印dp数组
        for (int j = 0; j <= bagWeight; j++){
            System.out.print(dp[j] + " ");
        }
    }
}