上海古都网络
上海古都建筑设计集团,上海办公室装修设计公司,上海装修公司高质量的内容分享社区，上海装修公司我们不是内容生产者，我们只是上海办公室装修设计公司内容的搬运工平台
当前位置：首页今日热点正文

【动态规划】背包问题（详细总结，很全）

guduadmin12小时前

【动态规划】

  • 一、 背包问题
    • 1. 背包问题总结
      • 1）动规四部曲：
      • 2） 递推公式总结：
      • 3） 遍历顺序总结：
      • 2. 01背包
        • 1） 二维dp数组
          • 代码实现
          • 2） 一维dp数组
            • 代码实现
            • 3. 完全背包
              • 代码实现
              • 4. 多重背包
                • 代码实现

                  一、 背包问题

                  1. 背包问题总结

                  暴力的解法是指数级别的时间复杂度。进而才需要动态规划的解法来进行优化！

                  背包问题是动态规划（Dynamic Planning） 里的非常重要的一部分,关于几种常见的背包，其关系如下：

                  【动态规划】背包问题（详细总结，很全）,在这里插入图片描述,第1张

                  在解决背包问题的时候，我们通常都是按照如下五部来逐步分析，把这五部都搞透了，算是对动规来理解深入了。

                  1）动规四部曲：

                  （1） 确定dp数组及其下标的含义

                  （2） 确定递推公式

                  （3） dp数组的初始化

                  （4） 确定遍历顺序

                  2） 递推公式总结：

                  1. 问能否能装满背包（或者最多装多少）：

                  	dp[j] = max(dp[j], dp[j - nums[i]] + nums[i])

                  2. 问装满背包有几种方法：

                  	dp[j] += dp[j - nums[i]]

                  3. 问背包装满最大价值：

                  	dp[j] = max(dp[j], dp[j - weight[i]] + value[i])

                  4. 问装满背包所有物品的最小个数：

                  	dp[j] = min(dp[j], dp[j - coins[i]] + 1)

                  3） 遍历顺序总结：

                  • 二维dp数组01背包，先遍历物品还是先遍历背包都是可以的，且第二层for循环是从小到大遍历
                  • 一维dp数组01背包，只能先遍历物品再遍历背包容量，且第二层for循环是从大到小遍历。
                  • 求组合数：外层遍历物品，内层遍历背包

                    求排列数：外层遍历背包，内层遍历物品

                    求最小数：两层for循环的先后顺序无所谓

                    2. 01背包

                    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。

                    1） 二维dp数组

                    对于背包问题，有一种写法是使用二维数组。

                    • 动规四部曲：

                      1） 确定dp数组及其下标的含义

                      • dp[i][j] 表示从下标为 [0 - i] 的物品里任意取，放进容量为j的背包，价值总和最大是多少。

                        2） 确定递推公式

                        • 不放物品i：由dp[i - 1][j]推出，即背包容量为j，里面不放物品i的最大价值，此时dp[i][j]就是dp[i - 1][j]。(其实就是当物品i的重量大于背包j的重量时，物品i无法放进背包中，所以被背包内的价值依然和前面相同。)
                        • 放物品i：由dp[i - 1][j - weight[i]]推出，dp[i - 1][j - weight[i]] 为背包容量为j - weight[i]的时候不放物品i的最大价值，那么dp[i - 1][j - weight[i]] + value[i] （物品i的价值），就是背包放物品i得到的最大价值
                        • 所以递归公式： 
                            dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);

                          3）dp数组的初始化

                          * 首先从dp[i][j]的定义出发，如果背包容量j为0的话，即dp[i][0]，无论是选取哪些物品，背包价值总和一定为0

                          * 状态转移方程 dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]); 可以看出i 是由 i-1 推导出来，那么i为0的时候就一定要初始化。

                          * dp[0][j]：存放编号0的物品的时候，各个容量的背包所能存放的最大重量j。

                          那么很明显当 j < weight[0]时，dp[0][j] 应该是 0（背包容量比编号0的物品重量还小）

                          同理，当j >= weight[0]时，dp[0][j] 应该是value[0]（背包容量足够放编号0物品)

                          4） 确定遍历顺序

                          • 遍历顺序总结：

                            * 二维dp数组01背包，先遍历物品还是先遍历背包都是可以的，且第二层for循环是从小到大遍历

                            * 一维dp数组01背包，只能先遍历物品再遍历背包容量，且第二层for循环是从大到小遍历。

                            代码实现
                            • python(二维dp数组） 
                              bag_size = 4
weight = [1, 3, 4]
value = [15, 20, 30]
rows, cols = len(weight), bag_size + 1
dp = [[0]*cols for _ in range(rows)]
# 初始化dp数组.
for i in range(rows):
    dp[i][0] = 0
first_item_weight, first_item_value = weight[0], value[0]
for j in range(1, cols):
    if first_item_weight <= j:
        dp[0][j] = first_item_value
# 更新dp数组: 先遍历物品, 再遍历背包.
for i in range(1, rows):
    for j in range(1, cols):
        if weight[i] > j:  # 说明背包装不下当前物品.
            dp[i][j] = dp[i - 1][j]  # 所以不装当前物品.
        else:
            # 定义dp数组: dp[i][j] 前i个物品里，放进容量为j的背包，价值总和最大是多少。
            dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i])
print(dp)

                              2） 一维dp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：dp[i][j] = max(dp[i][j], dp[i][j - weight[i]] + value[i]);

                              与其把dp[i - 1]这一层拷贝到dp[i]上，不如只用一个一维数组了，只用dp[j]（一维数组，也可以理解是一个滚动数组）。

                              • 动规四部曲
                                • 确定dp数组及其下标的含义

                                  在一维dp数组中，dp[j]表示：容量为j的背包，所背的物品价值可以最大为dp[j]。

                                • 确定递推公式

                                  dp[j]可以通过dp[j - weight[i]]推导出来，dp[j - weight[i]]表示容量为j - weight[i]的背包所背的最大价值。

                                  dp[j - weight[i]] + value[i] 表示 容量为 j - 物品i 重量的背包 加上 物品i的价值。（也就是容量为j的背包，放入物品i了之后的价值即：dp[j]）

                                  此时dp[j]有两个选择：1）取自己dp[j] 相当于 二维dp数组中的dp[i-1][j]，即不放物品i；2）取dp[j - weight[i]] + value[i]，即放物品i，指定是取最大的

                                  所以递推公式：

                                  dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);

                                • dp数组的初始化

                                  dp[j]表示：容量为j的背包，所背的物品价值可以最大为dp[j]。那么dp[0]就应该是0，因为背包容量为0所背的物品的最大价值就是0。其他的也初始化为0，这样在递归的时候，才会被覆盖成较大的值。

                                • 确定遍历顺序 
                                  for(int i = 0; i < weight.size(); i++) { // 遍历物品
    for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
        dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
    }
}
                                  • 从大大小遍历的原因：

                                    倒序遍历是为了保证物品i只被放入一次！但如果一旦正序遍历了，那么物品0就会被重复加入多次！

                                    代码实现
                                    • python （一维dp数组） 
                                      weight = [1, 3, 4]
value = [15, 20, 30]
bag_weight = 4
# 初始化: 全为0
dp = [0] * (bag_weight + 1)
# 先遍历物品, 再遍历背包容量
for i in range(len(weight)):
    for j in range(bag_weight, weight[i] - 1, -1):
        # 递归公式
        dp[j] = max(dp[j], dp[j - weight[i]] + value[i])
print(dp)

                                      3. 完全背包

                                      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]。每件物品都有无限个（也就是可以放入背包多次），求解将哪些物品装入背包里物品价值总和最大。

                                      完全背包和01背包问题唯一不同的地方就是，每种物品有无限件。

                                      我们知道01背包内嵌的循环是从大到小遍历，为了保证每个物品仅被添加一次。

                                      而完全背包的物品是可以添加多次的，所以要从小到大去遍历，即：

                                      • 01背包 
                                        // 01背包  先遍历物品，再遍历背包
for(int i = 0; i < weight.size(); i++) { // 遍历物品
    for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
        dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
    }
}
                                        • 完全背包 
                                          // 1. 先遍历物品，再遍历背包
for(int i = 0; i < weight.size(); i++) { // 遍历物品
    for(int j = weight[i]; j <= bagWeight ; j++) { // 遍历背包容量
    
        dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
    }
}
// 2. 先遍历背包，再遍历物品
for(int j = 0; j <= bagWeight; j++) { // 遍历背包容量
    for(int i = 0; i < weight.size(); i++) { // 遍历物品
    	// 容量 > 物品重量， 则更新dp数组
        if (j >= weight[i])  dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
    }
}
                                          • 遍历顺序总结：
                                            • 纯完全背包的一维dp数组实现，先遍历物品还是先遍历背包都是可以的，且第二层for循环是从小到大遍历。
                                            • 求组合数：外层for循环遍历物品，内层for遍历背包
                                            • 求排列数：外层for遍历背包，内层for循环遍历物品
                                            • 求最小数：两层for循环的先后顺序无所谓

                                              代码实现

                                              python

                                              // 1.先遍历物品，再遍历背包
def test_complete_pack1():
    weight = [1, 3, 4]
    value = [15, 20, 30]
    bag_weight = 4
    dp = [0]*(bag_weight + 1)
    for i in range(len(weight)):
        for j in range(weight[i], bag_weight + 1):
            dp[j] = max(dp[j], dp[j - weight[i]] + value[i])
    
    print(dp[bag_weight])
// 2. 先遍历背包，再遍历物品
def test_complete_pack2():
    weight = [1, 3, 4]
    value = [15, 20, 30]
    bag_weight = 4
    dp = [0]*(bag_weight + 1)
    for j in range(bag_weight + 1):
        for i in range(len(weight)):
            if j >= weight[i]: dp[j] = max(dp[j], dp[j - weight[i]] + value[i])
    
    print(dp[bag_weight])
if __name__ == '__main__':
    test_complete_pack1()
    test_complete_pack2()

                                              4. 多重背包

                                              多重背包和01背包是非常像的， 为什么和01背包像呢？

                                              每件物品最多有Mi件可用，把Mi件摊开，其实就是一个01背包问题了。

                                              • 举个例子：

                                                背包最大重量为10，物品为：

                                                【动态规划】背包问题（详细总结，很全）,在这里插入图片描述,第2张

                                                请问背包能背的物品最大价值为多少？

                                                和如下情况有区别么？【动态规划】背包问题（详细总结，很全）,在这里插入图片描述,第3张

                                                几乎没有区别。每个物品只用一次，这就转成了一个01背包问题了。

                                                代码实现

                                                • 两种解决方案如下：（python版本） 
                                                  # 版本一: 将物品全摊开，转化为 01背包问题
weight = [1, 3, 4]
value = [15, 20, 30]
nums = [2, 3, 2]
bag_weight = 10
# 将物品全部展开，数量全为1
for i in range(len(nums)):
    if nums[i] > 1:
        weight.append(weight[i])
        value.append(value[i])
        nums[i] -= 1
# 动态规划五部曲：
dp = [0]*(bag_weight+1)
# 遍历物品
for i in range(len(weight)):
    # 遍历背包
    for j in range(bag_weight, weight[i] -1, -1):
        dp[j] = max(dp[j], dp[j - weight[i]] + value[i])
print("".join(map(str,dp)))
# 版本二： 直接加上个数维度
weight = [1, 3, 4]
value = [15, 20, 30]
nums = [2, 3, 2]
bag_weight = 10
dp = [0] * (len(bag_weight) + 1)
for i in range(len(weight)): # 物品的重量
    for j in range(bag_weight, weight[i] - 1, -1): # 背包的重量
        # 以上是 01背包
        for k in range(1, nums[i]+1):
            if j >= k*weight[i]:
                dp[j] = max(dp[j], dp[j - k*weight[i]] + k*value[i])
print("".join(max(str, dp)))

                                                  知识星球的总结：

                                                  【动态规划】背包问题（详细总结，很全）,在这里插入图片描述,第4张

db标签

猜你喜欢

网友评论

搜索
最新文章
热门文章
热门标签