动态规划01背包问题

动态规划是解决01背包问题的一种常用方法。01背包问题是一个经典的组合优化问题,通常描述如下:

给定一组物品,每个物品有一个重量(weight)和一个价值(value),以及一个固定容量的背包。目标是选择一些物品放入背包中,使得放入的物品的总重量不超过背包容量,同时总价值最大化。

以下是解决01背包问题的动态规划算法的基本步骤:

创建一个二维数组 dp,其中 dp[i][j] 表示在考虑前 i 个物品,且背包容量为 j 的情况下的最大价值。

初始化边界条件:

当没有物品可选时,即 i=0,dp[0][j] 应该都为0,因为没有物品可放入背包。

当背包容量为0时,即 j=0,dp[i][0] 也应该都为0,因为不论有多少物品,背包容量为0时无法放入任何物品。

使用动态规划递推公式填充 dp 数组。递推公式如下:

如果当前考虑的物品重量大于背包的容量,即 weight[i-1] > j,则 dp[i][j] = dp[i-1][j],表示不能放入当前物品,最大价值与前 i-1 个物品相同。

如果当前考虑的物品重量不大于背包的容量,即 weight[i-1] <= j,则需要考虑放入或不放入当前物品两种情况。取两者中的较大值:

如果不放入当前物品,即 dp[i][j] = dp[i-1][j]。

如果放入当前物品,即 dp[i][j] = dp[i-1][j - weight[i-1]] + value[i-1],其中 value[i-1] 表示当前物品的价值。

最终 dp[n][W] 即为解决问题的答案,其中 n 表示物品的数量,W 表示背包的容量。

下面是一个简单的Python示例代码来解决01背包问题:

def knapsack_01(weights, values, capacity):

n = len(weights)

dp = [[0] * (capacity + 1) for _ in range(n + 1)]

for i in range(1, n + 1):

for j in range(1, capacity + 1):

if weights[i - 1] > j:

dp[i][j] = dp[i - 1][j]

else:

dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weights[i - 1]] + values[i - 1])

return dp[n][capacity]

示例用法

weights = [2, 2, 3, 4, 5]

values = [3, 4, 5, 6, 7]

capacity = 7

print(knapsack_01(weights, values, capacity)) # 输出最大价值

这段代码将计算出给定物品和背包容量的情况下,可以获得的最大价值。

相关推荐
迷迭所归处4 小时前
动态规划 —— 子数组系列-单词拆分
算法·动态规划
飞滕人生TYF1 天前
动态规划 详解
算法·动态规划
SSL_lwz1 天前
P11290 【MX-S6-T2】「KDOI-11」飞船
c++·学习·算法·动态规划
ZZZ_O^O1 天前
【动态规划-卡特兰数——96.不同的二叉搜索树】
c++·学习·算法·leetcode·动态规划
橘子遇见BUG2 天前
算法日记 31 day 动态规划(01背包)
算法·动态规划
我是哈哈hh2 天前
专题二十二_动态规划_子序列系列问题(数组中不连续的一段)_算法专题详细总结
数据结构·c++·算法·动态规划·子序列
橘子遇见BUG2 天前
算法日记 30 day 动态规划(背包问题)
算法·动态规划
是糖不是唐2 天前
代码随想录算法训练营第五十二天|Day52 图论
c语言·算法·深度优先·动态规划·图论
Lindsey_feiren2 天前
代码随想录day44算法随想录|动态规划07
算法·动态规划
姜西西_3 天前
动态规划 之 子序列系列 算法专题
算法·动态规划