0-1背包问题
14.4 0-1 背包问题 - Hello 算法 状态转移方程:
方法一:暴力搜索
搜索代码包含以下要素。
- 递归参数:状态 。
- 返回值:子问题的解 。
- 终止条件:当物品编号越界 i=0 或背包剩余容量为 0 时,终止递归并返回价值 0 。
- 剪枝:若当前物品重量超出背包剩余容量,则只能选择不放入背包。
/*0-1背包:暴力搜索*/
int knapsackDFS(vector<int> &wgt, vector<int> &val, int i, int c){
//若一选完所有物品或者背包无剩余容量,则返回0
if (i == 0 || c == 0){
return 0;
}
//若超过背包容量,则只能选择不放入背包
if (wgt[i - 1] > c){
return knapsackDFS(wgt, val, i - 1,c);
}
//计算不放入和放入物品i的最大价值
int no = knapsackDFS(wgt, val i - 1,c);
int yes = knapsackDFS(wgt, val, i-1 ,c - wgt[i-1] ) + val[i - 1];
return max(no,yes);
}
由于每个物品都会产生不选和选两条搜索分支,因此时间复杂度为 。
方法二:记忆化搜索
/* 0-1 背包:记忆化搜索 */
int knapsackDFSMem(vector<int> &wgt, vector<int> &val, vector<vector<int>> &mem, int i, int c) {
// 若已选完所有物品或背包无剩余容量,则返回价值 0
if (i == 0 || c == 0) {
return 0;
}
// 若已有记录,则直接返回
if (mem[i][c] != -1) {
return mem[i][c];
}
// 若超过背包容量,则只能选择不放入背包
if (wgt[i - 1] > c) {
return knapsackDFSMem(wgt, val, mem, i - 1, c);
}
// 计算不放入和放入物品 i 的最大价值
int no = knapsackDFSMem(wgt, val, mem, i - 1, c);
int yes = knapsackDFSMem(wgt, val, mem, i - 1, c - wgt[i - 1]) + val[i - 1];
// 记录并返回两种方案中价值更大的那一个
mem[i][c] = max(no, yes);
return mem[i][c];
}
方法三:动态规划
/* 0-1 背包:动态规划 */
int knapsackDP(vector<int> &wgt, vector<int> &val, int cap) {
int n = wgt.size();
// 初始化 dp 表
vector<vector<int>> dp(n + 1, vector<int>(cap + 1, 0));
// 状态转移
for (int i = 1; i <= n; i++) {
for (int c = 1; c <= cap; c++) {
if (wgt[i - 1] > c) {
// 若超过背包容量,则不选物品 i
dp[i][c] = dp[i - 1][c];
} else {
// 不选和选物品 i 这两种方案的较大值
dp[i][c] = max(dp[i - 1][c], dp[i - 1][c - wgt[i - 1]] + val[i - 1]);
}
}
}
return dp[n][cap];
}
可进一步实现空间优化,只使用两个数组滚动前进,将空间复杂度从降到