算法日记25:01背包(DFS->记忆化搜索->倒叙DP->顺序DP->空间优化)

  • 对于01背包这类DP入门的问题,新手应该是去了解如何一步步得出所谓的状态转移方程,而不是直接去看答案所给予的方程
  • 过程应该为:DFS->记忆化搜索->倒序递推->循序递推->二维->一维

一、DFS暴力搜索 O ( 2 n ) O(2^n) O(2n)

1.1:思路讲解:

  • 无需多说,最暴力的做法
  • 最经典的指数级枚举(每个物品选/不选)

1.2:代码解析:

c 复制代码
#include <bits/stdc++.h>
using namespace std;

const int N = 1007;
int vi[N],wi[N];
int n, v;

int dfs(int x, int Spv)//从第x件物品开始,当前剩余容量为Spv
{
    if (x > n) return 0;

    if (Spv < vi[x])    //容量不够拿不了
    {
        return dfs(x + 1, Spv);
    }
    else //表明容量够
    {
        return max(dfs(x + 1, Spv), dfs(x + 1, Spv - vi[x]) + wi[x]); //不拿/拿
    }
}


void solve()
{
    
    cin >> n >> v;

    for (int i = 1; i <= n; i++)
    {
        cin >> vi[i]>>wi[i];
    }
    int res=dfs(1, v);//从第一件物品开始,当前剩余容量为v
    cout << res <<'\n';
}


int main()
{
    ios::sync_with_stdio(0), cin.tie(0), cout.tie(0);
    int _ =1; //cin >> _;
    while (_--) solve();

    system("pause");
    return 0;
}

对于暴力来说,只要样例大于20,一般都会超时

二、记忆化搜索: O ( N ∗ V ) O(N*V) O(N∗V)

2.1:思路讲解:

  • 1、相比所谓的暴力搜索,优化了大量的时间复杂度(指数级->线性级)
  • 2、所谓记忆化搜索,就是把DFS计算过的数据不再重复计算(用一个mem数组存储状态)
    PS :记忆化数组的数据个数一般和DFS函数的参数一致

2.2:代码解析:

cpp 复制代码
#include <bits/stdc++.h>
using namespace std;

const int N = 1007;
int vi[N],wi[N];
int n, v;
int mem[N][N];
int f[N];

int dfs(int x, int SpV)//从第x件物品开始,当前剩余容量为Spv
{
    if(mem[x][SpV]) return mem[x][SpV];
    if(x>n) return 0;   //表示已经拿完了
   
    if(SpV>=vi[x]) //能够拿这个物品
    {
    	//此时,考虑 不拿/拿
        return  mem[x][SpV]=max(dfs(x+1,SpV),dfs(x+1,SpV-vi[x])+wi[x]);
    }        
    else //不能拿
    {
        return mem[x][SpV]=dfs(x+1,SpV);
    }
}


void solve()
{
    
    cin >> n >> v;

    for (int i = 1; i <= n; i++)
    {
        cin >> vi[i]>>wi[i];
    }
    cout<<dfs(1,v)<<'\n';
    
}


int main()
{
    ios::sync_with_stdio(0), cin.tie(0), cout.tie(0);
    int _ =1; //cin >> _;
    while (_--) solve();

    system("pause");
    return 0;
}

三、倒序动态规划 O ( N ∗ V ) O(N*V) O(N∗V)

3.1:思路讲解

  • 1、典型的空间换时间的做法,相比于搜索,节约了大量的时间复杂度
  • 2、动态规划的for循环变量的遍历 应该与DFS边界的限制的参数相同(例如:本题目中,边界与物品数量X、剩余的体积SPV有关)所以循环为n/v作为参数
  • 3、因为在递归中,只有归才是产生答案的过程,所以可以从边界直接开始推出答案

3.2:代码解析

c 复制代码
#include <bits/stdc++.h>
using namespace std;

const int N = 1007;
int vi[N],wi[N];
int n, v;
int mem[N][N];
int f[N][N];

// int dfs(int x, int Spv)//从第x件物品开始,当前剩余容量为Spv
// {
//     if (mem[x][Spv]) return mem[x][Spv];

//     int sum = 0;
//     if (x > n) sum= 0;

//     else if (Spv < vi[x])    //容量不够拿不了
//     {
//         sum=dfs(x + 1, Spv);
//     }
//     else //表明容量够
//     {
//         sum = max(dfs(x + 1, Spv), dfs(x + 1, Spv - vi[x]) + wi[x]); //不拿/拿
//     }
//     mem[x][Spv] = sum;
//     return mem[x][Spv];
// }


void solve()
{
    
    cin >> n >> v;

    for (int i = 1; i <= n; i++)
    {
        cin >> vi[i]>>wi[i];
    }

    for (int i = 1; i <= n; i++)
    {
        for (int j = 0; j <= v; j++)
        {
            if (j < vi[i])  //当前剩余容量<物品容量
            {
                f[i][j] = f[i - 1][j];
            } 
            else   //表明容量够
            {
                f[i][j] = max(f[i - 1][j], f[i - 1][j - vi[i]] + wi[i]);  //拿/不拿
            }
        }
    }
    cout << f[n][v] <<'\n';
}


int main()
{
    ios::sync_with_stdio(0), cin.tie(0), cout.tie(0);
    int _ =1; //cin >> _;
    while (_--) solve();

    system("pause");
    return 0;
}

四、顺序动态规划:

4.1:思路讲解:

  • 1、倒序遍历物品总是怪怪的,那么可不可以正序枚举呢,当然是可以的。
  • 2、此时,状态转移方程与DFS搜索的方程保持一致
    PS:正序枚举相当于以n->1开始递归,此时边界刚刚好是为1,所以循环从1开始

4.2:代码解析:

c 复制代码
#include <bits/stdc++.h>
using namespace std;

const int N = 1007;
int vi[N],wi[N];
int n, v;
int mem[N][N];
int f[N][N];

// int dfs(int x, int Spv)//从第x件物品开始,当前剩余容量为Spv
// {
//     if (mem[x][Spv]) return mem[x][Spv];

//     int sum = 0;
//     if (x > n) sum= 0;

//     else if (Spv < vi[x])    //容量不够拿不了
//     {
//         sum=dfs(x + 1, Spv);
//     }
//     else //表明容量够
//     {
//         sum = max(dfs(x + 1, Spv), dfs(x + 1, Spv - vi[x]) + wi[x]); //不拿/拿
//     }
//     mem[x][Spv] = sum;
//     return mem[x][Spv];
// }


void solve()
{
    
    cin >> n >> v;

    for (int i = 1; i <= n; i++)
    {
        cin >> vi[i]>>wi[i];
    }

    for (int i = 1; i <= n; i++)
    {
        for (int j = 0; j <= v; j++)
        {
            if (j < vi[i])  //当前剩余容量<物品容量
            {
                f[i][j] = f[i - 1][j];
            } 
            else   //表明容量够
            {
                f[i][j] = max(f[i - 1][j], f[i - 1][j - vi[i]] + wi[i]);  //拿/不拿
            }
        }
    }
    cout << f[n][v] <<'\n';
}


int main()
{
    ios::sync_with_stdio(0), cin.tie(0), cout.tie(0);
    int _ =1; //cin >> _;
    while (_--) solve();

    system("pause");
    return 0;
}

五、二维 -> 一维:

5.1:思路讲解(为什么要逆序枚举体积??)

1、注意01背包的二维的遍历应该的逆序,为什么呢?

  • 看下图,如果是正序的话,那么结果就会从i i i 的状态 − > -> −> i − 1 i-1 i−1的状态
  • 而物品 i 的状态此时表明已经遍历过了,也就是已经选过了,那么此时就变成了从这个物品已经选过的状态--->下一个状态
  • 那么此时,这个物品就重复选了!!!,这就变成了完全背包!!!(也就是物品的数量无限)

2、但是如果是逆序的话,那么就会从 i − 1 --- > i − 1 的状态 i-1--->i-1的状态 i−1--->i−1的状态

  • 表明此时的状态为,没选过的状态--->下一个状态
  • 那么此时,就会使得状态转移为:还没选过这个物品 的情况->更新*还没选过这个物品的情况
  • 这就符合01背包的背景!!!故01背包应该逆序

5.2:代码解析:

c 复制代码
#include <bits/stdc++.h>
using namespace std;

const int N = 1007;
int vi[N],wi[N];
int n, v;
int mem[N][N];
int f[N];

// int dfs(int x, int Spv)//从第x件物品开始,当前剩余容量为Spv
// {
//     if (mem[x][Spv]) return mem[x][Spv];

//     int sum = 0;
//     if (x > n) sum= 0;

//     else if (Spv < vi[x])    //容量不够拿不了
//     {
//         sum=dfs(x + 1, Spv);
//     }
//     else //表明容量够
//     {
//         sum = max(dfs(x + 1, Spv), dfs(x + 1, Spv - vi[x]) + wi[x]); //不拿/拿
//     }
//     mem[x][Spv] = sum;
//     return mem[x][Spv];
// }


void solve()
{
    
    cin >> n >> v;

    for (int i = 1; i <= n; i++)
    {
        cin >> vi[i]>>wi[i];
    }

    for (int i = 1; i <= n; i++)
    {
        for (int j = v; j >= 0; j--)
        {
            if(j>=vi[i]) f[j] = max(f[j], f[j - vi[i]] + wi[i]);  //拿/不拿
        }
    }
    cout << f[v] <<'\n';
}


int main()
{
    ios::sync_with_stdio(0), cin.tie(0), cout.tie(0);
    int _ =1; //cin >> _;
    while (_--) solve();

    system("pause");
    return 0;
}

总结:

相关推荐
吟安安安安2 分钟前
适合短期冲刺的学习工作流(针对算法)
学习·算法
科研前沿7 分钟前
什么是时空融合技术?
大数据·人工智能·数码相机·算法·重构·空间计算
AI科技星12 分钟前
全域数学本源公理:0、1、∞ 三者核心关系 (典籍定稿版)
人工智能·算法·数学建模·数据挖掘·量子计算
AI科技星17 分钟前
全域数学·第卷:场计算机卷(场空间计算机)【乖乖数学】
java·开发语言·人工智能·算法·机器学习·数学建模·数据挖掘
Deepoch19 分钟前
数学模型驱动:Deepoc 低幻觉数学大模型助力发动机全周期智能优化
人工智能·算法·机器学习·deepoc·数学大模型·低幻觉
嘻嘻哈哈樱桃27 分钟前
牛客经典101题解题集--贪心算法+模拟
java·python·算法·贪心算法
AKDreamer_HeXY28 分钟前
QOJ 12255 - 36 Puzzle 题解
数据结构·c++·数学·算法·icpc·qoj
AI科技星37 分钟前
《全域数学》第一部 数术本源 第三卷 代数原本第14篇 附录二 猜想证明【乖乖数学】
人工智能·算法·数学建模·数据挖掘·量子计算
Wect1 小时前
LeetCode 72. 编辑距离:动态规划经典题解
前端·算法·typescript
憨波个1 小时前
【说话人日志】DOVER-Lap:overlap-aware diarization 输出融合算法
人工智能·深度学习·算法·音频·语音识别