动态规划中的经典问题
来源:互联网 发布:unity3d 烟花粒子特效 编辑:程序博客网 时间:2024/06/05 13:22
01背包:有N个重量和价值分别为wi,vi的物品。从这些物品中挑选出总重量不超过W的物品,求所有挑选方案中价值总和的最大值。
第一步:合理抽象问题
定义状态:以dp(i, x)表示已经决定了前i件物品是否选取,当前已经选取的物品的重量总和不超过x时,能够获取的最高的价值的和。dp(n, W)即为所求。
我们先考虑dp(N, M)这个问题的最后一个决策——第N件物品是否进行选择:
选择第N件物品且保证第N件物品的重量不超过M。则dp(N - 1, M - need(N)) + value(N)。”
不选择第N件物品,则dp(N - 1, M)。
由于第N件奖品只有选取和不选取两种可能,我们于是可以知道:
dp(N, M) = max{dp(N - 1, M - w(N)) + v(N), dp(N - 1, M)}
同理
定义状态转移方程:对于任意i>1, j, dp(i, j)=max{dp(i-1, j-w(i)) + v(i), dp(i - 1, j)}
通过不断重复利用一个数组来优化空间:
完全背包:
与01背包的区别是,每件物品可以取多次。
将01背包定义的状态稍稍改变:
可得:
因为best(i, x)的大部分计算都在best(i, x - need(i))中已经计算过了
第一步:合理抽象问题
定义状态:以dp(i, x)表示已经决定了前i件物品是否选取,当前已经选取的物品的重量总和不超过x时,能够获取的最高的价值的和。dp(n, W)即为所求。
我们先考虑dp(N, M)这个问题的最后一个决策——第N件物品是否进行选择:
选择第N件物品且保证第N件物品的重量不超过M。则dp(N - 1, M - need(N)) + value(N)。”
不选择第N件物品,则dp(N - 1, M)。
由于第N件奖品只有选取和不选取两种可能,我们于是可以知道:
dp(N, M) = max{dp(N - 1, M - w(N)) + v(N), dp(N - 1, M)}
同理
定义状态转移方程:对于任意i>1, j, dp(i, j)=max{dp(i-1, j-w(i)) + v(i), dp(i - 1, j)}
通过不断重复利用一个数组来优化空间:
完全背包:
与01背包的区别是,每件物品可以取多次。
将01背包定义的状态稍稍改变:
可得:
因为best(i, x)的大部分计算都在best(i, x - need(i))中已经计算过了
所以可以优化成这样:
for (int i = 1; i <= n; i++) for (int j = 0; j <= m; j++) if (need[i] > j) dp[i][j] = dp[i-1][j]; else dp[i][j] = max(dp[i-1][j], dp[i][j-need[i]] + value[i]);</pre>同样,用一维数组优化空间:for(i=0; i<m; i++) for(int v=w[i]; v<=n; v++) dp[v]=max(dp[v],dp[v-w[i]]+v[i]);
0 0
- 动态规划中的经典问题
- 动态规划经典问题
- 动态规划经典问题
- 动态规划经典问题
- 动态规划经典问题
- 动态规划经典问题
- 动态规划经典问题
- 动态规划问题中的几个经典问题代码
- 动态规划解决经典问题
- 面试经典动态规划问题
- 动态规划经典问题总结
- 经典动态规划问题总结
- 动态规划经典问题--TSP问题
- 动态规划中的“分两份”问题
- 动态规划经典问题---矩阵链乘
- 经典问题 整数划分(动态规划)
- 硬币问题 动态规划 算法入门经典
- 01背包问题 -- 经典动态规划题
- LIBC小记
- 千分位的实现与去除 小数整数都可以实现 正则
- C++静态成员函数访问非静态成员
- Linux:find命令详解
- C++纯虚函数小记
- 动态规划中的经典问题
- 三元光栅操作
- 逆波兰表达式,后缀表达式
- SQL多表连接查询
- Linux应用程序性能优化教程
- C#和VB.NET的区别
- 注释代码定位bug
- XWindow的程序性能及改善
- Xlib: No protocol specified