动态规划
本文主要是写题时遇到的动态规划问题的整理
动态规划
1.背包问题
背包问题是一种组合优化的 NP 完全问题:
有 N 个物品和容量为 W 的背包,每个物品都有 自己的体积w和价值v,求拿哪些物品可以使得背包所装下物品的总价值最大。
如果限定每种物品只能选择0个或1个,则问题称为0-1背包问题;如果不限定每种物品的数量,则问题称为无界背包问题或完全背包问题。
0-1背包
以0-1背包问题为例。我们可以定义一个二维数组dp 存储最大价值,其中dp[i] [j]示前i件物品体积不超过j的情况下能达到的最大价值。在我们遍 历到第i件物品时,在当前背包总容量为j的情况下,如果我们不将物品i放入背包,那么
$$
dp[i][j] =dp[i-1][j]
$$
,即前 i 个物品的最大价值等于只取前 i-1 个物品时的最大价值;如果我们将物品 i 放 入背包,假设第i件物品体积为w,价值为v,那么我们得到dp[i] [j]=dp[i-1] [j-w]+v。我们只需 在遍历过程中对这两种情况取最大值即可,总时间复杂度和空间复杂度都为O(NW)。
1 |
|
空间优化
在程序实现时可以对 0-1 背包做优化。观察状态转移方程可以知道,前 i 件物品的状态仅与前 i-1 件物品的状态有关,因此可以将 dp 定义为一维数组,其中 dp[j] 既可以表示 dp[i-1] [j] 也可以表示 dp[i] [j]。此时,
$$
dp[j]=max(ma(dp[j],dp[j-w]+v))
$$
因为 dp[j-w] 表示 dp[i-1] [j-w],因此不能先求 dp[i] [j-w],防止将 dp[i-1] [j-w] 覆盖。也就是说要先计算 dp[i] [j] 再计算 dp[i] [j-w],在程序实现时需要按倒序来循环求解。
1 |
|
完全背包
在完全背包问题中,一个物品可以拿多次。
假设我们遍历到物品 i = 2, 且其体积为w=2,价值为v=3;对于背包容量j=5,最多只能装下2个该物品。那么我们的状 态转移方程就变成了
$$
dp[2][5]=max(dp[1][5],dp[1][3]+3,dp[1][1]+6)
$$
如果采用这种方法,假设背包容量无穷大而物体的体积无穷小,我们这里的比较次数也会趋近于无穷大,远超 O(NW)的时间复杂度。 怎么解决这个问题呢?我们发现在 dp[2] [3] 的时候我们其实已经考虑了 dp[1] [3] 和 dp[2] [1] 的情况,而在时 dp[2] [1]也已经考虑了 dp[1] [1] 的情况。因此,如图下半部分所示,对于拿多个物品的情况,我们只需考虑 dp[2] [3] 即可,即
$$
dp[2] [5] = max(dp[1] [5], dp[2] [3] + 3)
$$
这样,我们 就得到了完全背包问题的状态转移方程:dp[i] [j]=max(dp[i-1] [j],dp[i] [j-w]+v),其与0-1背包问题的差别仅仅是把状态转移方程中的第二个i-1变成了i。
1 |
|
空间优化
同样的,我们也可以利用空间压缩将时间复杂度降低为 O(W)。这里要注意我们在遍历每一行的时候必须正向遍历,因为我们需要利用当前物品在第j-w列的信息。
1 |
|
本博客所有文章除特别声明外,均采用 CC BY-SA 4.0 协议 ,转载请注明出处!