代码随想录 第九章 动态规划part03 01背包问题 二维

01背包问题 二维

cpp 复制代码
#include <bits/stdc++.h>
using namespace std;
int main(){
    int n, bagWeight;
    cin >> n >> bagWeight;
    std::vector<int> value(n, 0);
    std::vector<int> weight(n, 0);
    for (int i = 0; i < n; i++) cin >> weight[i];
    for (int i = 0; i < n; i++) cin >> value[i];
    std::vector<vector<int>> result(n, vector <int>(bagWeight+1, 0));
    for (int i = weight[0]; i <= bagWeight; i++) result[0][i] = value[0];
    for (int i = 1; i < n; i++){
        for(int j = 0; j <= bagWeight; j++){
            if(j<weight[i]) result[i][j]=result[i-1][j];
            if(j-weight[i]>=0) result[i][j] = max(result[i - 1][j], result[i-1][j - weight[i]] + value[i]);
            else result[i][j]=result[i-1][j];
        }
    }
    cout << result[n - 1][bagWeight];
    return 0;
}

这题动态规划数组的计算方式会有一些难以理解,不过如果按照随想录所给的思路在纸上推导一次就会清晰很多。在计算一个位置的值时又两种可能,一时当前剩余空间放的下,一种就是放不下,在保证动态规划数组计算过的值为最大价值时,在放不下的情况下,最大值就是用空间下上一行的值,而放的下的情况意味着需要去能给出那么多空间余量的方案中找,而在数组中,如果当前物品占空间为k,那么上一行的少k列位置的方案一定能给出k的余量,那么动态规划数组的计算过程也就明确了。

代码随想录 第九章 动态规划part03

相关推荐
小雨下雨的雨2 小时前
井字棋AI机器人实现详解 - Minimax算法实战-鸿蒙PC Electron框架完成
前端·人工智能·算法·华为·electron·鸿蒙
xieliyu.5 小时前
Java算法精讲:双指针(三)
java·开发语言·算法
一条小锦吕*5 小时前
基于Spring Boot + 数据可视化 + 协同过滤算法的推荐系统设计与实现(源码+论文+部署全讲解)
spring boot·算法·信息可视化
如竟没有火炬7 小时前
最大矩阵——单调栈
数据结构·python·线性代数·算法·leetcode·矩阵
8Qi88 小时前
LeetCode 1143 & 718:最长公共子序列 / 最长重复子数组
算法·leetcode·职场和发展·动态规划
绿算技术8 小时前
万卡推理集群存储选型分析:从核心架构到应用视角
大数据·科技·算法·架构
想吃火锅10059 小时前
【leetcode】1.两数之和js版
javascript·算法·leetcode
net3m3310 小时前
一阶软件低通滤波器算法
人工智能·算法
水木流年追梦10 小时前
大模型入门-大模型优化方法12-YaRN 长文本外推技术
人工智能·分布式·算法·正则表达式·prompt