经典动态规划
一件物品和第二件物品,在重量没有超出背包容量下,所选价值最大。 如果每种物品只能选 0 个或 1 个(即要么将此物品装进包里要么不装),则此问题称为 0-1 背包问题;如果不限每种物品的数量,则称为无界(或完全)背包问题。 今天这篇文章我们只关注 0-1 背包问题,下一篇文章再聊完全背包问题。 那我们是如何选择要装入的物品的? 思路初探首先,质量很大价值很小的物品我们先不考虑(放着地主家金银财宝珍珠首饰不偷,背出来一包煤...,那也就基本告别盗窃行业了...) 然后呢?再考虑质量大价值也大的?还是质量较小价值也稍小的? 我们自然而然想到:装价值/质量 比值最大的,因为这至少能说明,此物品的“价质比”最大(也即贪心算法,每次选择当前最优) 那么这样装能保证最后装入背包里的价值最优吗? 我们先来看一个例子: 假设有 5 个物品,N = 5,每种物品的质量与价值如下:
背包容量为 100 如果按上述策略:优先选“价质比”最大的:即第三个和第四个物品
但我们知道,此题更优的选择策略是:选第一个,第二个和第四个
所以,我们的“价质比”这种贪心策略显然不是最优策略。 读过一文学懂动态规划这篇文章的读者会发现,之前文章中兑换零钱例子我们最开始也是采取贪心策略,但最后发现贪心不是最优解,由此我们引出了动态规划。 没错,今天这题也正是动态规划又一经典的应用。 解题思路根据动之前的文章我们知道,动态规划的核心即:状态与状态转移方程。 那么此题的状态是什么呢? 状态 何为状态? 说白了,状态就是已知条件。 重读题意我们发现:此题的已知条件只有两个:
题目要求的是在满足背包容量前提下,可装入的最大价值。 那么我们可以根据上述状态定义出 dp 数组,即: dp[i][w] 表示:对于前i个物品,当前背包的容量为w,这种情况下可以装的最大价值是dp[i][w] 我们自然而然的考虑到如下特殊情况: 当 i = 0 或 w = 0,那么: dp[0][...] = dp[...][0] = 0 解释: 对前 0 个物品而言,无论背包容量等于多少,装入的价值为 0; 当背包容量为 0 时,无论装入前多少个物品(因为一个都装不进去),背包里的价值依旧为 0。 根据这个定义,我们求的最终答案就是dp[N][W] 我们现在找出了状态,并找到了 base case,那么状态之间该如何转移呢(状态转移方程)? 状态转移方程 dp[i][w] 表示:对于前i个物品,当前背包的容量为w,这种情况下可以装的最大价值是dp[i][w]。 思考:对于当前第 i 个物品:
它应该等于下面两者里的较大值:
(编辑:泉州站长网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |