动态规划中的经典问题
2016-10-08 16:55
106 查看
01背包:有N个重量和价值分别为wi,vi的物品。从这些物品中挑选出总重量不超过W的物品,求所有挑选方案中价值总和的最大值。
第一步:合理抽象问题
定义状态:以dp(i, x)表示已经决定了前i件物品是否选取,当前已经选取的物品的重量总和不超过x时,能够获取的最高的价值的和。dp(n, W)即为所求。
我们先考虑dp(N, M)这个问题的最后一个决策——第N件物品是否进行选择:
选择第N件物品且保证第N件物品的重量不超过M。则dp(N - 1, M - need(N)) + value(N)。”
不选择第N件物品,则dp(N - 1, M)。
由于第N件奖品只有选取和不选取两种可能,我们于是可以知道:
dp(N, M) = max{dp(N - 1, M - w(N)) + v(N), dp(N - 1, M)}
同理
定义状态转移方程:对于任意i>1, j, dp(i, j)=max{dp(i-1, j-w(i)) + v(i), dp(i - 1, j)}
通过不断重复利用一个数组来优化空间:
完全背包:
与01背包的区别是,每件物品可以取多次。
将01背包定义的状态稍稍改变:
可得:
因为best(i, x)的大部分计算都在best(i, x - need(i))中已经计算过了
所以可以优化成这样:
第一步:合理抽象问题
定义状态:以dp(i, x)表示已经决定了前i件物品是否选取,当前已经选取的物品的重量总和不超过x时,能够获取的最高的价值的和。dp(n, W)即为所求。
我们先考虑dp(N, M)这个问题的最后一个决策——第N件物品是否进行选择:
选择第N件物品且保证第N件物品的重量不超过M。则dp(N - 1, M - need(N)) + value(N)。”
不选择第N件物品,则dp(N - 1, M)。
由于第N件奖品只有选取和不选取两种可能,我们于是可以知道:
dp(N, M) = max{dp(N - 1, M - w(N)) + v(N), dp(N - 1, M)}
同理
定义状态转移方程:对于任意i>1, j, dp(i, j)=max{dp(i-1, j-w(i)) + v(i), dp(i - 1, j)}
通过不断重复利用一个数组来优化空间:
完全背包:
与01背包的区别是,每件物品可以取多次。
将01背包定义的状态稍稍改变:
可得:
因为best(i, x)的大部分计算都在best(i, x - need(i))中已经计算过了
所以可以优化成这样:
for (int i = 1; i <= n; i++) for (int j = 0; j <= m; j++) if (need[i] > j) dp[i][j] = dp[i-1][j]; else dp[i][j] = max(dp[i-1][j], dp[i][j-need[i]] + value[i]);</pre> 同样,用一维数组优化空间: for(i=0; i<m; i++) for(int v=w[i]; v<=n; v++) dp[v]=max(dp[v],dp[v-w[i]]+v[i]);
相关文章推荐
- 动态规划经典问题---最长公共子序列(LCS)
- poj1738 An old Stone Game 【GarsiaWachs算法】【动态规划】经典合并石子问题
- 0-1背包问题入门小结 动态规划(DP)经典题目 POJ324 POJ1276
- poj1837 动态规划和01背包问题延伸的经典题目,很值得一做
- 动态规划的简要总结和四个经典问题的c++实现
- 0-1背包问题入门小结 动态规划(DP)经典题目 POJ324 POJ1276
- 经典的导弹拦截问题——动态规划和一点形式化证明
- 动态规划解决经典问题
- 动态规划经典问题
- 动态规划经典问题--TSP问题
- 街道问题,java,动态规划,奥赛经典,提高篇
- 什么是 “动态规划” , 用两个经典问题举例。
- 什么是 “动态规划” , 用两个经典问题举例。
- 【算法导论学习-29】动态规划经典问题02:最长公共子序列问题(Longest common subsequence,LCS)
- The Triangle--动态规划经典问题--数塔问题
- 动态规划经典问题---矩阵链乘
- 什么是 “动态规划” , 用两个经典问题举例
- 经典问题 整数划分(动态规划)
- 最大子串和--动态规划经典问题
- 动态规划(经典背包问题)