【动态规划】01背包问题(手画图解)

这篇具有很好参考价值的文章主要介绍了【动态规划】01背包问题(手画图解)。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。

        经典dp动规问题,01背包问题关键在于遍历顺序与初始化这两步的推导。

目录

文章目录

一、01背包问题

二、确定dp数组及其下标含义

三、确定递推公式

四、确定初始化

 五、确定遍历顺序

六、举例推导dp数组

总结



 

一、01背包问题

        有n件物品,每件的价值与重量限制了背包所能装的总价值,每件物品只有一个,求所能装的最大价值。

二、确定dp数组及其下标含义

        dp[i][j]代表的是:

        从0-i的物品中选,放入容量为j的背包中所得的最大价值。

三、确定递推公式

        现态dp[i][j]有两种情况:容量j够放物品 + 容量j不够放物品 。

        显而易见的是:

        ①当不够放物品时,背包中的价值并不会增加,仍然停留在拿取上一个物品(i-1)的总价值(dp[i-1][j] + 0)上; 

        ②当还能放得下物品时,就需要判断放了这个物品和不放这两种情况谁获得的最终价值更大;

                1.放第i件物品价值大时:需要在容量(j - weight[i])上减去所放进去的第i件物品的重量,价值(上一件物品留下的价值:dp[i-1][j])上加上第i件物品的价值(dp[i-1][j] + value[i])

                        第1点综合起来便是:dp[i-1][j - weight[i]] + value[i];

                2.不放第i件物品价值大时:与①的情况相同,都是没有将第i件物品放进去。

                                第2点便是:dp[i][j] = dp[i-1][j];

图解如下图: 

【动态规划】01背包问题(手画图解)

 


四、确定初始化

        由递推公式可知:每一行(i)的数据都是由上一行([i-1][j]或者[i-1][j-weight[i]])得到的,也即:每一元素数据的来源是上方或者是左上方,所以我们需要得到最上方一行的初始化数据与最左边一行的数据。

         题外话:当然,这是从科学的角度进行的思考,如果不这么严谨的话,我们至少可以得到:当容量为0时,所获总价值一定为0(背包放不下东西)。

        首先从背包容量进行考虑:

        ①当容量为0时,所获总价值一定为0(背包放不下东西);

        ②当容量能够放得下物品[0,0](j >= weight[0] = 1)时,可以得到的最大价值就是value[0](15);

图解如下:

【动态规划】01背包问题(手画图解)

 五、确定遍历顺序

        由递推公式可知:

        我们需要得到上一行的数据即可进行递推。

        ①从左到右,从上到下;②或者从上到下, 然后从左到右;两种遍历顺序都可以得到所求数据上一行的所有数据,都可以进行递推。

图解如下: 

【动态规划】01背包问题(手画图解)

 

六、举例推导dp数组

图解如下:  

   【动态规划】01背包问题(手画图解)     

 

七、代码实现

#include <iostream>
#include <vector>
using namespace std;

void BagSolution()
{
	vector <int>value = { 15,20,30 };
	vector <int>weight = { 1,3,4 };
	int bagWeight = 4;
	// 列多出来容量为0的那列
	vector <vector<int>> dp(weight.size(), vector <int>(bagWeight + 1, 0));
	// 初始化--容量为0所能放的价值一定为0
	for (int i = 0; i < weight.size(); i++)
	{
		dp[i][0] = 0;
	}
	// 当容量能放下下标为0物品(最小重量)时,最大价值就是value[0]
	for (int j = 0; j <= bagWeight; j++)
	{
		if (j >= weight[0])
		{
			dp[0][j] = value[0];
		}
	}
	//确定遍历顺序
	for (int i = 1; i < weight.size(); i++)
	{
		for (int j = 1; j <= bagWeight; j++)
		{
			// 容量不够放,第i件物品就不放
			if (j < weight[i])
			{
				dp[i][j] = dp[i - 1][j];
			}
			// 够放->比较拿了大还是不拿大
			else
			{
				dp[i][j] = max(dp[i-1][j], dp[i - 1][j - weight[i]] + value[i]);
			}
		}
	}
	// 打印dp
	for (int i = 0; i < weight.size(); i++)
	{
		for (int j = 0; j <= bagWeight; j++)
		{
			printf("%2d ", dp[i][j]);
		}
		cout << endl;
	}
}

int main()
{
	BagSolution();
	return 0;
}

运行截图:

【动态规划】01背包问题(手画图解)

 

总结

        01背包问题是所有背包问题的根本所在,掌握好dp五部曲,明确dp及其下标含义,勤加练习是制胜之道!文章来源地址https://www.toymoban.com/news/detail-427525.html

到了这里,关于【动态规划】01背包问题(手画图解)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【动态规划】01背包问题

    动态规划是一种非常常见的算法,不论是在我们平时刷题的过程中还是在竞赛中,总会见到动态规划的身影,而动态规划又分为很多种,其中01背包问题是非常典型的一类动态规划问题。如果大家之前没有了解过动态规划,建议大家先去学习学习动态规划,直接开始01背包问题

    2024年04月15日
    浏览(49)
  • 动态规划:01背包问题(二)

    上篇博客动态规划:01背包问题(一)将的是用二维数组来解决,而本篇博客就是把二维dp数组降为一维dp数组(滚动数组)在使用二维数组的时候,递推公式:dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]); 其实可以发现如果 把dp[i - 1]那一层拷贝到dp[i]上 ,表达式完全可以是

    2024年01月22日
    浏览(60)
  • 动态规划01背包问题

    假设你是一名经验丰富的探险家,背着背包来到野外进行日常探险。天气晴朗而不燥热,山间的风夹杂着花香,正当你欣赏这世外桃源般的美景时,突然,你发现了一个洞穴,这个洞穴外表看起来其貌不扬,但凭借着惊为天人的直觉,这个洞穴不简单。于是,你开始往洞穴内

    2024年02月06日
    浏览(42)
  • 动态规划(01背包问题)

    本文默认读者具有动态规划前置知识 动态规划的特点: 重叠子问题 状态转移方程 最优子结构 题型: 求最值 解题套路: 明确【状态】 明确【选择】 明确dp函数/数据的定义 明确base case 例:给你一个可装载容量为W的背包和N个物品,每个物品有重量和价值两个属性。其中第

    2024年04月16日
    浏览(39)
  • 动态规划_01背包问题

    描述 一个旅行者有一个最多能装   M   公斤的背包,现在有   n   件物品,它们的重量分别是   W 1 ​ , W 2 ​ , ... , W n ​ , 它们的价值分别为   C 1 ​ , C 2 ​ , ... , C n ​ ,求旅行者能获得最大总价值。 输入描述 第 1 行:两个整数, M   (背包容量, M ≤ 200   )和   N  

    2024年04月29日
    浏览(40)
  • 动态规划-01背包问题

    算法思路: 背包问题的状态表⽰⾮常经典,如果⼤家不知道怎么来的,就把它当成⼀个「模板」记住吧~ 我们先解决第⼀问: 1. 状态表⽰ : dp[i][j] 表⽰:从前 i 个物品中挑选,总体积「不超过」 j ,所有的选法中,能挑选出来 的最⼤价值。 2. 状态转移⽅程 : 线性 dp 状态

    2024年04月11日
    浏览(43)
  • 算法系列--动态规划--背包问题(1)--01背包介绍

    💕\\\"趁着年轻,做一些比较cool的事情\\\"💕 作者:Lvzi 文章主要内容:算法系列–动态规划–背包问题(1)–01背包介绍 大家好,今天为大家带来的是 算法系列--动态规划--背包问题(1)--01背包介绍 背包问题是动态规划中经典的一类问题,经常在笔试面试中出现,是非常 具有区分度 的题

    2024年04月16日
    浏览(56)
  • 0-1背包问题:动态规划的经典应用

    背包问题是在给定一组物品和一个背包容量的情况下,如何选择物品放入背包,以使得放入背包的物品总价值最大化。0-1背包问题是背包问题的一个经典变种,其中每个物品要么完全放入背包,要么完全不放入,不能切割物品。在本文中,我们将探讨如何使用动态规划算法解

    2024年02月12日
    浏览(43)
  • [动态规划] 01背包问题及其优化

    题目描述 给一个能承重V的背包,和n件物品,我们用重量和价值的二元组来表示一个物品,第i件物品表示为(Vi,Wi),问:在背包不超重的情况下,得到物品的最大价值是多少? 输入 第一行输入两个数 V,n,分别代表背包的最大承重和物品数。 接下来n行,每行两个数Vi,W

    2024年02月03日
    浏览(45)
  • C++ 动态规划 01背包问题

    有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。 第 i 件物品的体积是 vi ,价值是 wi 。 求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。 输出最大价值。 输入格式 第一行两个整数, N,V ,用空格隔开,分别表示物品数量和背

    2024年04月27日
    浏览(41)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包