最通俗易懂的01背包问题讲解
来源:互联网 发布:王柳雯淘宝店 编辑:程序博客网 时间:2024/06/05 09:31
1、动态规划(DP)
动态规划(Dynamic Programming,DP)与分治区别在于划分的子问题是有重叠的,解过程中对于重叠的部分只要求解一次,记录下结果,其他子问题直接使用即可,减少了重复计算过程。
另外,DP在求解一个问题最优解的时候,不是固定的计算合并某些子问题的解,而是根据各子问题的解的情况选择其中最优的。
动态规划求解具有以下的性质:
最优子结构性质、子问题重叠性质
最优子结构性质:最优解包含了其子问题的最优解,不是合并所有子问题的解,而是找最优的一条解线路,选择部分子最优解来达到最终的最优解。
子问题重叠性质:先计算子问题的解,再由子问题的解去构造问题的解(由于子问题存在重叠,把子问题解记录下来为下一步使用,这样就直接可以从备忘录中读取)。其中备忘录中先记录初始状态。
2、求解思路
①、将原问题分解为子问题(子问题和原问题形式相同,且子问题解求出就会被保存);
②、确定状态:01背包中一个状态就是
③、确定一些初始状态(边界状态)的值;
④、确定状态转移方程,如何从一个或多个已知状态求出另一个未知状态的值。(递推型)
3、01背包问题求解思路
①、确认子问题和状态
01背包问题需要求解的就是,为了体积V的背包中物体总价值最大化,
为此,我们定义一个二维数组,其中每个元素代表一个状态,即前
②、初始状态
初始状态为
③、转移函数
if (背包体积j小于物品i的体积) f[i][j] = f[i-1][j] //背包装不下第i个物体,目前只能靠前i-1个物体装包else f[i][j] = max(f[i-1][j], f[i-1][j-Vi] + Wi)
最后一句的意思就是根据“为了体积V的背包中物体总价值最大化,
4、程序
#include<iostream>using namespace std;int main(){ int nArr[6][13] = {{0}}; int nCost[6] = {0 , 2 , 5 , 3 , 10 , 4}; //花费 int nVol[6] = {0 , 1 , 3 , 2 , 6 , 2}; //物体体积 int bagV = 12; for( int i = 1; i< sizeof(nCost)/sizeof(int); i++) { for( int j = 1; j<=bagV; j++) { if(j<nVol[i]) nArr[i][j] = nArr[i-1][j]; else nArr[i][j] = max(nArr[i-1][j] , nArr[i-1][j-nVol[i]] + nCost[i]); cout<<nArr[i][j]<<' '; } cout<<endl; } cout<<nArr[5][12]<<endl; return 0;}
01背包问题其实就可以化简为涂写下面的表格,其中每个数对应数组nArr中每个元素,初始化部分为0,然后从左上角按行求解,一直求解到右下角获取最终解nArr[5][12]。
个人学习记录,由于能力和时间有限,如果有错误望读者纠正,谢谢!
转载请注明出处:CSDN 无鞋童鞋
- 最通俗易懂的01背包问题讲解
- 最通俗易懂的背包问题
- 01背包通俗易懂的讲解(思想)
- 01背包问题(最易理解的讲解)
- 迄今为止最通俗易懂的MVP架构讲解
- 迄今为止最通俗易懂的RxJava讲解
- svm算法 最通俗易懂讲解
- svm算法 最通俗易懂讲解
- 动态规划之01背包问题(最易理解的讲解)
- 动态规划之01背包问题(最易理解的讲解)
- 动态规划之01背包问题(最易理解的讲解)
- 动态规划之01背包问题(最易理解的讲解)
- 动态规划之01背包问题(最易理解的讲解)
- 动态规划之01背包问题(最易理解的讲解)
- 动态规划之01背包问题(最易理解的讲解)
- 动态规划之01背包问题(最易理解的讲解)
- 动态规划之01背包问题(最易理解的讲解)
- 动态规划之01背包问题(最易理解的讲解)
- CF
- Windows虚拟地址空间
- 使用SAX解析xml文件
- (三)深入了解Struts2
- Windows的文件系统
- 最通俗易懂的01背包问题讲解
- java迷你DVD管理器源代码
- Could not resolve type alias 微服务启动时的报错
- JavaScript简单综合总结
- [算法] 字符串
- 1294 全排列
- AOP和fifter(OOP)的区别和联系
- 算法入门经典二叉树DFS题目UVA548 Tree
- web实现电脑屏幕和手机屏幕适应