DP：01背包问题

一、背包问题的概述

背包问题是⼀种组合优化的NP完全问题。
本质上是为了找出“带有限制条件的组合最优解”

1、根据物品的个数，分为如下几类：

• 01背包问题：每个物品只有⼀个（重点掌握）
• 完全背包问题：每个物品有无限多个（重点掌握）
• 多重背包问题：每件物品最多有n个
• 混合背包问题：每个物品会有上⾯三种情况
• 分组背包问题：物品有n组，每组物品⾥有若⼲个，每组⾥最多选⼀个物品

2、根据背包是否装满，⼜分为两类

• 不⼀定装满背包（重点）
• 背包⼀定装满（重点）

3、优化方案

• 空间优化：滚动数组（重点掌握）
• 单调队列优化
• 贪心优化

4、根据限定条件的个数，⼜分为两类

• 限定条件只有⼀个：比如体积->普通的背包问题（重点）
• 限定条件有两个：比如体积+重量->⼆维费用背包问题（重点）

5、根据不同的问法，⼜分为很多类：

• 输出方案
• 求方案总数
• 最优方案
• 方案可行性

        背包问题的题型非常多样，其中最重要以及基础的就是01背包和完全背包以及背包是否装满的讨论（会通过牛客的两道模版题探究），还有滚动数组的优化策略（ 在以往的动态规划中，我们几乎很少去谈论空间优化，因为对于一道dp题来说，能解决出来就已经很不容易了，我们不太会关注其空间复杂度。但是在背包问题中，滚动数组的优化是有一定套路可言的，并且在某些情况下对时间也是有一定优化的！！）

二、01背包[模版]

【模板】01背包_牛客题霸_牛客网

#include<iostream>
#include<string.h>
using namespace std;
//定义成全局，就不用在栈里面进行初始化，并且我们可以在栈上开辟的空间更大const int N=1001;
int n,V,v[N],w[N];
int dp[N][N];int main() 
{cin>>n>>V;//个数和体积for(int i=1;i<=n;++i) cin>>v[i]>>w[i];//解决第一问for(int i=1;i<=n;++i)for(int j=1;j<=V;++j){dp[i][j]=dp[i-1][j];//不选第i个物品的情况if(j>=v[i]) dp[i][j]=max(dp[i][j],dp[i-1][j-v[i]]+w[i]);}   cout<<dp[n][V]<<endl;//解决第二问memset(dp,0,sizeof dp);//修改成0//先进行初始化for(int j=1;j<=V;++j) dp[0][j]=-1;//跟0区分开for(int i=1;i<=n;++i)for(int j=1;j<=V;++j){dp[i][j]=dp[i-1][j];//不选第i个物品的情况if(j>=v[i]&&dp[i-1][j-v[i]]!=-1) dp[i][j]=max(dp[i][j],dp[i-1][j-v[i]]+w[i]);}   cout<<(dp[n][V]==-1?0:dp[n][V])<<endl;
}

滚动数组优化（空间复杂度N^2——>N   时间复杂度常数提升）

#include<iostream>
#include<string.h>
using namespace std;
//定义成全局，就不用在栈里面进行初始化，并且我们可以在栈上开辟的空间更大
const int N=1001;
int n,V,v[N],w[N];
int dp[N][N];int main() 
{cin>>n>>V;//个数和体积for(int i=1;i<=n;++i) cin>>v[i]>>w[i];//解决第一问for(int i=1;i<=n;++i)for(int j=V;j>=v[i];--j)dp[j]=max(dp[j],dp[j-v[i]]+w[i]);cout<<dp[V]<<endl;//解决第二问memset(dp,0,sizeof dp);//修改成0//先进行初始化for(int j=1;j<=V;++j) dp[j]=-0x3f3f3f3f;//跟0区分开for(int i=1;i<=n;++i)for(int j=V;j>=v[i];--j)dp[j]=max(dp[j],dp[j-v[i]]+w[i]);cout<<(dp[V]<0?0:dp[V])<<endl;
}

       对于不存在的状态，因为我们该题中要求的是max，所以我们设成-0x3f3f3f3f保证该状态不被选到，设置成这个的原因是避免了越界的风险同时又保证了不存在的状态是小于0的，且不会影响填报！！

三、和为目标和的最长子序列长度

. - 力扣（LeetCode）

       这题就是非常明显的01背包问题，其中每个数只有选或者不选，目标值相当于是容量，且要刚刚好。 dp[i][j]表示从前i个数选，和恰好为j的最长子序列。

class Solution {
public:int lengthOfLongestSubsequence(vector<int>& nums, int target) {int n=nums.size();//01背包问题  dp[i][j]表示从前i个数选择 正好凑成j的的子序列的最长长度vector<vector<int>> dp(n+1,vector<int>(target+1));//分析状态转移方程 dp[i][j] //如果我不选i dp[i-1][j]//如果我选i   dp[i-1][j-nums[i-1]]+1 //初始化 如果i为0无数可选  没有这个状态for(int j=1;j<=target;++j) dp[0][j]=-0x3f3f3f3f;//给一个小的值  保证选最大值的时不会被选上for(int i=1;i<=n;++i)for(int j=0;j<=target;++j){dp[i][j]=dp[i-1][j];if(j>=nums[i-1]) dp[i][j]=max(dp[i][j],dp[i-1][j-nums[i-1]]+1);}return dp[n][target]<0?-1:dp[n][target];}
};

滚动数组优化：

class Solution {
public:int lengthOfLongestSubsequence(vector<int>& nums, int target) {int n=nums.size();//01背包问题  dp[i][j]表示从前i个数选择 正好凑成j的的子序列的最长长度vector<int> dp(target+1,-0x3f3f3f3f);//分析状态转移方程 dp[i][j] //如果我不选i dp[i-1][j]//如果我选i   dp[i-1][j-nums[i-1]]+1 //初始化 如果i为0无数可选  没有这个状态dp[0]=0;for(int i=1;i<=n;++i)for(int j=target;j>=nums[i-1];--j)dp[j]=max(dp[j],dp[j-nums[i-1]]+1);return dp[target]<0?-1:dp[target];}
};

四、分割等和子集（需转化）

. - 力扣（LeetCode）

该题并不能直接用01背包问题，首先需要先将问题进行转化——在数组中选一些数，让这些数的和为sum/2。 

class Solution {
public:bool canPartition(vector<int>& nums) {int sum=accumulate(nums.begin(),nums.end(),0);if(sum%2) return false;//是奇数，直接返回//是偶数的时候 dp[i][j]表示从前i个数中选，所有选法中能否凑成j这个数int aim=sum/2;int n=nums.size();vector<vector<bool>> dp(n+1,vector<bool>(aim+1));//初始化，当j=0时，显然都是true  当i=0时，必然为falsefor(int i=0;i<=n;++i) dp[i][0]=true;//开始填表for(int i=1;i<=n;++i)for(int j=1;j<=aim;++j)//不选i的话  dp[i][j]=dp[i-1][j]//选i的话    dp[i][j]=dp[i-1][j-nums[i-1]]   前提j>=nums[i-1]{dp[i][j]=dp[i-1][j];if(j>=nums[i-1]) dp[i][j]=dp[i][j]||dp[i-1][j-nums[i-1]];}return dp[n][aim];}
};

滚动数组优化：

class Solution {
public:bool canPartition(vector<int>& nums) {int sum=accumulate(nums.begin(),nums.end(),0);if(sum%2) return false;//是奇数，直接返回//是偶数的时候 dp[i][j]表示从前i个数中选，所有选法中能否凑成j这个数int aim=sum/2;int n=nums.size();vector<bool> dp(aim+1);//初始化，当j=0时，显然都是true  当i=0时，必然为falsedp[0]=true;//开始填表for(int i=1;i<=n;++i)for(int j=aim;j>=nums[i-1];--j)//不选i的话  dp[i][j]=dp[i-1][j]//选i的话    dp[i][j]=dp[i-1][j-nums[i-1]]   前提j>=nums[i-1]dp[j]=dp[j]||dp[j-nums[i-1]];return dp[aim];}
};

 五、目标和（需转化）

. - 力扣（LeetCode）

class Solution {
public:int findTargetSumWays(vector<int>& nums, int target) {// 从nums中选择一些数能够凑成sum+target/2  转化成01背包问题int sum=accumulate(nums.begin(),nums.end(),0);int aim=(sum+target)>>1;if(aim<0||(sum+target)%2) return 0;int n=nums.size();//dp[i][j] 从前i个数选 变成j有多少种选法    //如果不选i dp[i-1][j]//如果选i   +=dp[i-1][j-nums[i-1]]//分析初始化 i=0的时候 必为0  j=0的时候 不好判断，因为nums[i]可能是0 //但是不需要初始化，因为要满足j>=nums[i] 那么nums[i]必然要为0才可以满足//所以绝对不会用到斜对角的值，而是只会用到上面的状态。vector<vector<int>> dp(n+1,vector<int>(aim+1));dp[0][0]=1;for(int i=1;i<=n;++i)for(int j=0;j<=aim;++j) {dp[i][j]=dp[i-1][j];if(j>=nums[i-1]) dp[i][j]+=dp[i-1][j-nums[i-1]];}return dp[n][aim];}
};

 滚动数组优化：

class Solution {
public:int findTargetSumWays(vector<int>& nums, int target) {// 从nums中选择一些数能够凑成sum+target/2  转化成01背包问题int sum=accumulate(nums.begin(),nums.end(),0);int aim=(sum+target)>>1;if(aim<0||(sum+target)%2) return 0;int n=nums.size();//dp[i][j] 从前i个数选 变成j有多少种选法    //如果不选i dp[i-1][j]//如果选i   +=dp[i-1][j-nums[i-1]]//分析初始化 i=0的时候 必为0  j=0的时候 不好判断，因为nums[i]可能是0 //但是不需要初始化，因为要满足j>=nums[i] 那么nums[i]必然要为0才可以满足//所以绝对不会用到斜对角的值，而是只会用到上面的状态。vector<int> dp(aim+1);dp[0]=1;for(int i=1;i<=n;++i)for(int j=aim;j>=nums[i-1];--j) dp[j]+=dp[j-nums[i-1]];return dp[aim];}
};

六、最后一块石头的重量||(需转化)

. - 力扣（LeetCode）

class Solution {
public:int lastStoneWeightII(vector<int>& nums) {//让一堆里面的数尽可能接近sum/2int sum=accumulate(nums.begin(),nums.end(),0);int aim=sum/2,n=nums.size();//dp[i][j]表示从前i个数选择，总和不超过j，此时所有元素的最大和vector<vector<int>> dp(n+1,vector<int>(aim+1));//分析初始化 如果都为0 就返回0 如果i为0 也是0  如果j为0 不用初始化for(int i=1;i<=n;++i)for(int j=1;j<=aim;++j){//如果不选i dp[i-1][j]//如果选i  dp[i-1][j-nums[i-1]] 找最大和dp[i][j]=dp[i-1][j];if(j>=nums[i-1]) dp[i][j]=max(dp[i][j],dp[i-1][j-nums[i-1]]+nums[i-1]);}return sum-2*dp[n][aim];}
};

滚动数组优化：

class Solution {
public:int lastStoneWeightII(vector<int>& nums) {//让一堆里面的数尽可能接近sum/2int sum=accumulate(nums.begin(),nums.end(),0);int aim=sum/2,n=nums.size();//dp[i][j]表示从前i个数选择，总和不超过j，此时所有元素的最大和vector<int> dp(aim+1);//分析初始化 如果都为0 就返回0 如果i为0 也是0  如果j为0 不用初始化//如果不选i dp[i-1][j]//如果选i  dp[i-1][j-nums[i-1]] 找最大和for(int i=1;i<=n;++i)for(int j=aim;j>=nums[i-1];--j)dp[j]=max(dp[j],dp[j-nums[i-1]]+nums[i-1]);return sum-2*dp[aim];}
};

七、将一个数字表示成幂的和的方案数

. - 力扣（LeetCode）

知识点1：double不支持取模，需要取模又担心溢出只能使用long long

知识点2：pow函数是求数的任意次幂

知识点3:10^9+7相当于1e9+7

class Solution {
public:int numberOfWays(int n, int x) {//统计方案数//dp[i][j]表示从前i个数的x次幂之和  恰好等于j 的方案数//i=0时 无数可选 方案肯定是const int N=1e9+7;vector<vector<long long>> dp(n+1,vector<long long>(n+1)); //double不支持取模    dp[0][0]=1;for(int i=1;i<=n;++i)for(int j=0;j<=n;++j){//不选i dp[i][j]=dp[i-1][j]//选i   dp[i][j]+=dp[i-1][j-pow(i,x)]dp[i][j]=dp[i-1][j];long long p=pow(i,x); if(j>=p) dp[i][j]+=dp[i-1][j-p];dp[i][j]%=N;}return dp[n][n];}
};

 滚动数组优化：

class Solution {
public:int numberOfWays(int n, int x) {//统计方案数//dp[i][j]表示从前i个数的x次幂之和  恰好等于j 的方案数//i=0时 无数可选 方案肯定是const int N=1e9+7;vector<long long> dp(n+1); //double不支持取模    dp[0]=1;for(int i=1;i<=n;++i){long long p=pow(i,x);for(int j=n;j>=p;--j)//不选i dp[i][j]=dp[i-1][j]//选i   dp[i][j]+=dp[i-1][j-pow(i,x)]dp[j]=(dp[j]+dp[j-p])%N;}return dp[n];}
};

 

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/diannao/28648.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

ffmpeg封装和解封装介绍-（10）综合完成视频重编码为h265，解封装解码编码再封装

ffmpeg封装和解封装介绍-（10）综合完成视频重编码为h265，解封装解码编码再封装

主函数逐句解析&#xff1a; 由于代码太多我们只解析主函数&#xff0c;&#xff08;其他封装函数见前面文章&#xff0c;同时用到了解码编码封装代码&#xff09;。 初始化和参数处理 int main(int argc, char* argv[]) {/// 输入参数处理string useage "124_test_x…
阅读更多...
【计算机网络】已解决：“‘ping‘ 不是内部或外部命令，也不是可运行的程序或批处理文件”报错

【计算机网络】已解决：“‘ping‘ 不是内部或外部命令，也不是可运行的程序或批处理文件”报错

文章目录 一、问题分析背景二、可能出错的原因三、错误代码示例四、正确解决方法与示例五、注意事项 已解决“‘ping’ 不是内部或外部命令&#xff0c;也不是可运行的程序或批处理文件”报错 一、问题分析背景 在Windows操作系统中&#xff0c;ping 命令是一个常用的网络诊断…
阅读更多...
线程池ThreadPoolExecutor使用指南

线程池ThreadPoolExecutor使用指南

线程池ThreadPoolExecutor使用指南 &#x1f9d0;使用线程池的好处是什么&#xff1f; 统一管理&#xff0c;减少资源获取创建的开销&#xff0c;提高利用率。 &#x1f527;线程池的参数 ​ThreadPoolExecutor​ 3 个最重要的参数&#xff1a; ​corePoolSize​ : 任务队列…
阅读更多...
docker login 报错： http: server gave HTTP response to HTTPS client

docker login 报错： http: server gave HTTP response to HTTPS client

环境&#xff1a; 自建 Harbor、Docker 1. 问题分析 # 命令&#xff0c;这里用的是 IP&#xff0c;可以为域名 docker login -u test 172.16.51.182:31120 # 输入密码 Password:# 报错如下&#xff1a; Error response from daemon: Get "https://172.16.51.182:31120/…
阅读更多...
HIVE及SparkSQL优化经验

HIVE及SparkSQL优化经验

简介 针对高耗跑批时间长的作业&#xff0c;在公司近3个月做过一个优化专项&#xff1b;优化成效&#xff1a;综合cpu、内存、跑批耗时减少均在65%以上&#xff1b; cpu和内存消耗指的是&#xff1a;vcoreseconds和memoryseconds 这里简单说下优化的一些思路&#xff0c;至于…
阅读更多...
[Algorithm][贪心][增减字符串匹配][分发饼干][最优除法][跳跃游戏Ⅱ][跳跃游戏]详细讲解

[Algorithm][贪心][增减字符串匹配][分发饼干][最优除法][跳跃游戏Ⅱ][跳跃游戏]详细讲解

目录 1.增减字符串匹配1.题目链接2.算法原理详解3.代码实现 2.分发饼干1.题目链接2.算法原理详解3.代码实现 3.最优除法1.题目链接2.算法原理详解3.代码实现 4.跳跃游戏 II1.题目链接2.算法原理详解3.代码实现 5.跳跃游戏1.题目链接2.算法原理详解3.代码实现 1.增减字符串匹配 …
阅读更多...
图神经网络pytorch_geometric库之MessagePassing类

图神经网络pytorch_geometric库之MessagePassing类

MessagePassing是图神经网络Python库pytorch_geometric(PyG)库里非常重要的一个基类&#xff0c;它可以用来创建消息传递图神经网络&#xff0c;pytorch_geometric里很多类比如图卷积层GCNConv和图注意力层GATConv都基于此类实现&#xff0c;我们也可以基于它来自定义图神经网络…
阅读更多...
期末复习6--链表头插法（逆序）尾插法（顺序）---输出链表

期末复习6--链表头插法（逆序）尾插法（顺序）---输出链表

头插法 #include <stdio.h> #include <stdlib.h>struct Node //定义结构体 {char data; //数据域struct Node * next; //指针域 };/* 请在这里填写答案 */void PrintList (struct Node * head) {struct Node * s;if(head NULL){printf("None&qu…
阅读更多...
mybatisplus 笔记

mybatisplus 笔记

int isDelete userRoleMapper.delete(new LambdaQueryWrapper<UserRole>().in(UserRole::getUserId, roleUserDTO.getUserId()).in(UserRole::getRoleId, roleUserDTO.getRoleId()));LambdaQueryWrapper<UserRole>: LambdaQueryWrapper 是 MyBatis Plus 提供的一个…
阅读更多...
Apipost模拟HTTP客户端

Apipost模拟HTTP客户端

模拟HTTP客户端的软件有很多&#xff0c;其中比较著名的就有API-FOX、POSTMAN。 相信很多小伙伴都使用POSTMAN。这篇博客主要介绍Apipost的原因是&#xff0c;Apipost无需下载&#xff0c;具有网页版。 APIFOX的站内下载&#xff1a; Api-Fox&#xff0c;类似于PostMan的软件…
阅读更多...
时间复杂度和空间复杂度的深入解析

时间复杂度和空间复杂度的深入解析

在算法和数据结构的学习中&#xff0c;时间复杂度和空间复杂度是两个至关重要的概念。它们分别用于衡量算法在执行过程中所需的计算资源&#xff08;时间&#xff09;和存储资源&#xff08;空间&#xff09;。以下&#xff0c;我们将从技术难点、面试官关注点、回答吸引力以及…
阅读更多...
JavaFX 节点

JavaFX 节点

JavaFX Node类javafx.scene.Node是添加到JavaFX 场景图的所有组件 的基类&#xff08;超类&#xff09; 。JavaFX Node 类是抽象的&#xff0c;因此你只需将 Node 类的子类添加到场景图中。场景图中的所有 JavaFX Node 实例共享一组由 JavaFX Node 类定义的公共属性。本 JavaFX…
阅读更多...
毕节前端工程师前景怎么样：深入剖析与全面展望

毕节前端工程师前景怎么样：深入剖析与全面展望

毕节前端工程师前景怎么样&#xff1a;深入剖析与全面展望 在数字化浪潮的推动下&#xff0c;前端工程师作为连接技术与用户的桥梁&#xff0c;其职业前景备受关注。毕节地区的前端工程师同样面临着机遇与挑战并存的局面。那么&#xff0c;毕节前端工程师的前景究竟如何呢&…
阅读更多...
【Ruby爬虫01】某吃瓜网站图片数据采集

【Ruby爬虫01】某吃瓜网站图片数据采集

介绍 由于最近在学习Ruby&#xff0c;写一个爬虫锻炼一下。涉及xml解析、多线程、xpath语法等基础知识。 实现代码 使用说明 使用前请先安装如下gem gem install nokogiri http openssl# nokogiri&#xff1a;一个解析xml和html的库&#xff0c;支持css、xpath语法 # htt…
阅读更多...
一文了解Redis

一文了解Redis

一.什么是Redis 与MySQL一样&#xff0c;Redis也是客户端服务器结构的程序&#xff0c;是基于内存的键值对存储系统&#xff0c;属于NoSQL的一种。与很多键值对数据库不同的是&#xff0c;Redis 中的值可以是由 string&#xff08;字符串&#xff09;、hash&#xff08;哈希&a…
阅读更多...
高速缓存是怎么让CPU找到地址内容的？

高速缓存是怎么让CPU找到地址内容的？

这个场景在性能优化下&#xff0c;应该很少会用到。但是还是总结一下。 Input: CPU给的一个地址&#xff0c;例如 0xffads1233423 Out: 这个地址上的值。 WORKFLOW CPU 问高速缓存&#xff0c;高速缓存会拿这个地址的中间几个位置&#xff0c;组成一个key高速缓存拿着这个ke…
阅读更多...
数学中的虚数单位 i 和电学中的虚数单位 j

数学中的虚数单位 i 和电学中的虚数单位 j

什么是虚数&#xff1f; 虚数是扩展实数概念的一类数&#xff0c;能够解决某些在实数范围内无法解决的问题。虚数的基本单位是 (i)&#xff0c;定义为&#xff1a; i − 1 i \sqrt{-1} i−1 ​ 这意味着 (i) 的平方是 -1&#xff1a; i 2 − 1 i^2 -1 i2−1 为什么需要虚…
阅读更多...
【算法专题--链表】删除排序链表中的重复元素II -- 高频面试题（图文详解，小白一看就懂！！）

【算法专题--链表】删除排序链表中的重复元素II -- 高频面试题（图文详解，小白一看就懂！！）

目录 一、前言 二、题目描述 三、解题方法 ⭐ 双指针 -- 采用 哨兵位头节点 &#x1f95d; 什么是哨兵位头节点&#xff1f; &#x1f34d; 解题思路 &#x1f34d; 案例图解 四、总结与提炼 五、共勉 一、前言 删除排序链表中的重复元素II元素这道题&#xff0c…
阅读更多...
【JKI SMO】框架讲解（二）

【JKI SMO】框架讲解（二）

JKI State Machine 讲解 将JKI State Machine 模板拖曳到程序框图中&#xff0c; 如下图&#xff0c; 此模板会默认放置一个OK按钮在前面板中&#xff0c;用于提示用户如何增加一个简单的用户事件去使用此框架。 “Event Structure”&#xff0c;Idle&#xff1a;此分支可以设…
阅读更多...
【JS重点17】原型链（面试重点）

【JS重点17】原型链（面试重点）

一&#xff1a;原型链底层原理 以下面一段代码为例&#xff0c;基于原型对象&#xff08;Star构造函数的原型对象&#xff09;的继承使得不同构造函数的原型对象关联在一起&#xff08;此处是最大的构造函数Object原型对象&#xff09;&#xff0c;并且这种关联的关系是一种链…
阅读更多...
最新文章

Copyright @ 2022~2023