纯个人整理,蓝桥杯使用的算法模板day2(0-1背包问题),手打个人理解注释,超全面,且均已验证成功(附带详细手写“模拟流程图”,全网首个

算法索引

01背包

优化前

java 复制代码
    /**
     * 0-1背包问题解法(与下方代码表格示例对应,已模拟验证)
     * @param W 背包的总容量(示例:8)
     * @param weights 物品的重量数组(示例:[2, 3, 4, 5])
     * @param values 物品的价值数组(示例:[3, 4, 5, 6])
     * @param n 物品的总数量(示例:4)
     * @return 能够装入背包的最大价值
     */

public int[][] dp(int W, int[] weights, int[] values, int n){
	// 创建动态规划表,dp[i][w]表示前i个物品在容量为w时的最大价值
	int[][] dp = new int[n][W + 1];
	for(int j = weights[0]; j <= W; j++){ //初始化背包,物品数量为1时,背包容量满足时,价格始终为第一个物品价值(3)
		dp[0][j] = values[0];
	}
	for(int i = 1; i < n; i++){ //从第二个物品开始遍历
		for(int j = 0; j <= W; j++){ //遍历每种背包容量
			if(j >= weights[i]){ //当前遍历的物品可以放入背包,因为j(总背包容量)>= wt[i](当前物品重量)
			//选择放入或不放入物品,取价值的最大值
				dp[i][j] = Math.max(
					dp[i - 1][j], //不放入物品,所以(总背包价值)不变
					dp[i - 1][j - weights[i]] + values[i] //放入物品,1(dp[i - 1][j - weights[i]]).总背包容量减去wt[i](即j - wt[i])(当前物品重量),此时为剩余背包容量,再看剩余背包容量的"背包总价值";(例如,剩余背包容量的"背包总价值"为0,则直接添加当前物品的价值val[i],即下方代码示例表格的i=1,j=3(dp[1][3])的情况,剩余背包容量的"背包总价值"为dp[0][0],即剩余背包容量的"背包总价值"为0)2(+ values[i]).增加第i个物品的价值val[i](数组中即i)
				);
			}else{ //不可以放入背包
				dp[i][j] = dp[i - 1][j]; //不放入,即保持"同一背包容量下,放入上一个物品时的背包总价值"不变(且第一个物品的数值均已手动初始化,实现数据调用闭环)
			}
		}
	}

	return dp[n - 1][W]; //返回最后一个汇总的
}

空间优化版(使用一维数组)

java 复制代码
    /**
     * 0-1背包问题解法(已验证)
     * @param W 背包的总容量(示例:8)
     * @param weights 物品的重量数组(示例:[2, 3, 4, 5])
     * @param values 物品的价值数组(示例:[3, 4, 5, 6])
     * @param n 物品的总数量(示例:4)
     * @return 能够装入背包的最大价值
     */
public static int knapsackOptimized(int W, int[] weights, int[] values, int n) {
        // 使用一维数组代替二维数组,优化空间复杂度
        int[] dp = new int[W + 1];
        
        // 初始化:容量为0时价值为0
        dp[0] = 0;
        
        // 动态规划过程
        for (int i = 0; i < n; i++) { // 遍历每个物品
            // 必须逆向遍历背包容量,防止重复计算
            for (int j = W; j >= weights[i]; j--) {
                // 更新dp[w]的值
                dp[j] = Math.max(
                    dp[j], // 不选当前物品
                    dp[j - weights[i]] + values[i] // 选择当前物品
                );
             }
        }
        
        return dp[W]; // 返回最终结果
    }

优化后的模拟流程图

为何优化后,j不能使用正序遍历

java 复制代码
    /**
     * 0-1背包问题解法(已验证)
     * @param W 背包的总容量(示例:8)
     * @param weights 物品的重量数组(示例:[2, 3, 4, 5])
     * @param values 物品的价值数组(示例:[3, 4, 5, 6])
     * @param n 物品的总数量(示例:4)
     * @return 能够装入背包的最大价值
     */
public static int knapsackOptimized(int W, int[] weights, int[] values, int n) {
        // 使用一维数组代替二维数组,优化空间复杂度
        int[] dp = new int[W + 1];
        
        // 初始化:容量为0时价值为0
        dp[0] = 0;
        
        // 动态规划过程
        for (int i = 0; i < n; i++) { // 遍历每个物品
            // 必须逆向遍历背包容量,防止重复计算
            for (int j = 0; j >= weights[i]; j++) {
                // 更新dp[w]的值
                dp[j] = Math.max(
                    dp[j], // 不选当前物品
                    dp[j - weights[i]] + values[i] // 选择当前物品
                );
             }
        }
        
        return dp[W]; // 返回最终结果
    }
模拟流程图

代码对应实现案例

设定 w e i g h t s = [ 2 , 3 , 4 , 5 ] weights=[2,3,4,5] weights=[2,3,4,5], v a l u e s = [ 3 , 4 , 5 , 6 ] values = [3,4,5,6] values=[3,4,5,6]

横轴: j j j(总背包容量);纵轴: i i i(第 i i i个物品); d p dp dp单元格:总背包价值

i\j 0 1 2 3 4 5 6 7 8
0 0 0 3 3 3 3 3 3 3
1 0 0 3 4 4 7 7 7 7
2 0 0 3 4 5 7 8 9 9
3 0 0 3 4 5 7 8 9 10
相关推荐
Wo3Shi4七9 分钟前
数组
数据结构·算法·go
CoovallyAIHub16 分钟前
YOLOv13都来了,目标检测还卷得动吗?别急,还有这些新方向!
深度学习·算法·计算机视觉
转转技术团队1 小时前
边学边做:图片识别技术的学习与应用
后端·算法
一块plus1 小时前
2025 年值得一玩的最佳 Web3 游戏
算法·设计模式·程序员
前端拿破轮1 小时前
不是吧不是吧,leetcode第一题我就做不出来?😭😭😭
后端·算法·leetcode
一块plus1 小时前
什么是去中心化 AI?区块链驱动智能的初学者指南
人工智能·后端·算法
Mr_Xuhhh1 小时前
网络基础(1)
c语言·开发语言·网络·c++·qt·算法
前端拿破轮1 小时前
😭😭😭看到这个快乐数10s,我就知道快乐不属于我了🤪
算法·leetcode·typescript
lyx 弈心2 小时前
I/O 进程 7.2
linux·算法·io
静心问道2 小时前
APE:大语言模型具有人类水平的提示工程能力
人工智能·算法·语言模型·大模型