背包(二维数组版和一维数组版)

一:前言

这是动态规划的经典题型,那么我们也是 按照动态规划五步走的策略分析的

  • 确定dp数组的含义以及下标的含义
  • 确定dp数组的递推公式
  • 确定dp数组的初始化
  • 确定dp数组的遍历顺序
  • 举例验证(如果不是做题可省略)

二:二维数组

1:示例

在这里插入图片描述

2:dp数组的含义

**dp[i][j]**表示的是物品[0,i]放入背包容量为j的时候最大价值

3:确定dp数组的递推公式

dp[i][j] = max(dp[i-1][j], value[i] + dp[i-1][j-weight[i]])

在这里插入图片描述

4:初始化

在这里插入图片描述

5:遍历顺序


for(int i = 1; i < weight.size(); i++) {//物品数量  从1开始是因为我们的 我们  for(int j = 0; j <= baseweight; j++) {                        //第0件物品已经初始化号了if(j < weight[i]) dp[i][j] = dp[i-1][j];else dp[i][j] = max(dp[i-1][j], value[i] + dp[i-1][j-weight[i]])}
}

在这里插入图片描述

三:一维数组版

1:如何从二维数组变化到一维数组

因为我们是可以压缩二位数组的,二维数组中的dp[i-1][j] 我们可以 直接拷贝 下来为dp[i][j],
(这个意思就是我们在计算当前方格的时候 直接拿上一个放方格值拿过来,这其实就是不放物品i, 对此我们可以选择的是放入物品i后的价值+空间的价值与其进行比较)

那二维数组的递推公式: dp[i][j] = max(dp[i][j], dp[i][j - weight[i]] + value[i] );

那么基于此的话 我们可以将其转化为一维数组

即: dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
(这里的j代表的背包容量 ;
max中的两部分:dp[j]:不放物品i; dp[j - weight[i]] + value[i]:放入物品i);

2:dp数组的含义

dp[j] 代表的是背包容量为j的时候的最大价值

3:dp数组的递推公式

即: dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
(这里的j代表的背包容量;
max中的两部分:dp[j]:不放物品i; dp[j - weight[i]] + value[i]:放入物品i);

4:dp数组的初始化

将其初始化为0 因为我们需要将其中的部分为max部分

5:dp数组的遍历顺序

(1):正文

这里需要辨析正序遍历和逆序遍历

  • 正序遍历(会出现重复计算的值)
    在这里插入图片描述
  • 逆序遍历
    在这里插入图片描述
  • 说白了也就正序遍历的时候 会用到前面已经计算出来的结果 那么就会出现 重复
    那么逆序的时候,我们也是用到前面的dp,但是其还没有计算出结果初始化为0

(2):引发的问题(那为啥二维dp数组的背包重量没有逆序呢?)

一维数组:dp[j-weight[i]] + value[i]
二维数组:dp[i-1][j-weight[i]] +value[i]

  • 其实本质上就是比较放入物品i后, 剩余空间的背包容量是否会出现重复放入商品的的状况
    那么二位数组的话我们是需要先计算出上层的的表格数据(也就是前几件物品放入背包后的状况,),因为我们需要计算剩余空间的最大价值。
  • 那么我们的一维数组也是需要计算剩余空间的最大价值呀?这样逆序的话怎么计算?
    对于此的话我们要先明白这是同一件物品 在不同的j(背包容量下的价值),如果我们正序
    的话,那就相当于将同一间物品放入了不同j下的背包两次 这是 不允许的,那么逆序就会解决这一切;只要保证了我们同一件物品在不同的j下的正确结果,那么我们才能计算出正确的dp[j]供 dp[j-weight] (求剩余空间的最大价值用)

(3):上码

   vector<int>dp(n+1;//总共有n件物品for(int i = 0; i < weight.size(); i++) {//遍历物品for(int j = baseWeight; j >= weight[i];  j--) {//这里我们只遍历到weight[i]//是因为如果背包的容量小于weight[i]//的话那么我们是装不下的   dp[j] = max(dp[j],dp[j-weight[i]] + value[i])}}

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/news/307680.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

Azure App Service 健康检查正式发布

点击上方蓝字关注“汪宇杰博客”原文&#xff1a;Jason Freeberg, Suwat Bodin翻译&#xff1a;汪宇杰导语通过App Service&#xff0c;可以在流量增加时自动将应用程序自动扩展到多个实例。这样可以提高您应用的吞吐量&#xff0c;但是如果其中一个实例发生未捕获的异常怎么办…

二叉树N叉数的前中后序遍历总结,python实现递归法和迭代法

关于二叉树的前序遍历&#xff08;preoder&#xff09;、中序遍历&#xff08;inorder&#xff09;和后序遍历&#xff08;postorder&#xff09;&#xff0c;实际上只需要记住&#xff1a;左子节点一定在右子节点的左边&#xff08;左右&#xff09;&#xff0c;所谓前中后序遍…

Azure Cosmos Db 介绍及演示

Azure Cosmos DB 是 Microsoft 提供的全球分布式多模型数据库服务。Cosmos DB是一种NoSql数据库&#xff0c;但是它兼容多种API。它支持SQL, MongoDB、Cassandra或 Gremlin&#xff0c;你可以挑选自己喜欢的方式进行存储跟访问。主要优势统包式全局分发凭借 Cosmos DB&#xff…

二叉树层序遍历(广度优先搜索)基础概念与经典题目(Leetcode题解-Python语言)

二叉树的广度优先搜索即从上到下、从左到右地进行搜索&#xff0c;对于层序遍历&#xff08;Level Order&#xff09;问题&#xff0c;即依次遍历第一层节点、第二层节点…等&#xff0c;基本可以秒杀。 广度优先搜索是通过队列来实现的&#xff0c;python中优先用collections…

leetcode049. 最后一块石头的重量 II

一:题目 二:上码 class Solution { public:/**思路:1.分析题意只要我们将石头分为尽可能相同的两堆,他们的重量相减后剩余的重量就是最小。 物品的重量为stones[i];物品的价值也为stone[i];temp代表总重量的一半那么我们最终得到的stones[temp]:就是背包容量为temp的最大重量为…

大改革,GNOME 3.x将直接跳到GNOME 40

GNOME 3.38 发布后&#xff0c;GNOME 基金会宣布了用于 GNOME 的新版本控制方案&#xff0c;将于2021年3月发布的下一版 GNOME 将是 GNOME 40。你没看错&#xff0c;版本号直接从现在的 3.x 跳到了 40。以 GNOME 40 为例&#xff0c;其开发周期将包含三个阶段&#xff0c;对应的…

从前中后序遍历构造二叉树,三题无脑秒杀

如果只是前中后序遍历的其中一种&#xff0c;是不可能唯一确定一个二叉树的&#xff0c;必须是其中两个的结合&#xff0c;由此便产生了三道题目&#xff0c;在这里可以全部秒杀。 需要记住的要点是&#xff1a; 前序&#xff08;根左右&#xff09;——第一个节点一定是根节点…

.NET Core + Kubernetes:StatefulSet

在 Kubernetes 中&#xff0c;Pod 资源的控制器 Deployment、Replicaset、Daemonset 等常用于管理无状态应用&#xff0c;它们所管理的 Pod 对应的 IP、名字&#xff0c;启停顺序等都是随机的&#xff0c;Pod 之间也并不存在任何关联关系。而实际情况下&#xff0c;在应用集群部…

哈希表(散列表)基础概念与经典题目(Leetcode题解-Python语言)之上——原理与设计

哈希表&#xff08;Hash table&#xff0c;也叫散列表&#xff09;&#xff0c;是根据键&#xff08;Key&#xff09;而直接访问数据在内存中的储存位置&#xff08;又叫做存储桶&#xff0c;Buckets&#xff09;的数据结构。也就是说&#xff0c;它通过计算一个关于键值的函数…

python编程中的小问题汇总

前言 本文记录了我在python编程中遇到的各种小问题&#xff0c;持续更新。 1. x x 1 VS x 1 辨析下面这两段代码&#xff1a; >>> x y [1, 2, 3, 4] >>> x [4] >>> x [1, 2, 3, 4, 4] >>> y [1, 2, 3, 4, 4]>>> x y …

都在讨论高并发,结果连并发量、TPS、QPS都分不清

“ 年年岁岁跳槽季&#xff0c;回回必问高并发&#xff01;原因很简单&#xff0c;因为高并发能牵扯出太多问题&#xff0c;接口响应超时、CPU负载升高、GC频繁、死锁、大数据量存储等&#xff0c;能考察求职者的真实情况。而很多人在第一步就倒下了&#xff01;因为对数据化的…

哈希表(散列表)基础概念与经典题目(Leetcode题解-Python语言)之中——实际应用

上一节介绍了哈希表的原理与设计方法&#xff0c;这一节则直接python中现有的哈希表类型&#xff1a;哈希集合 set&#xff08;集合&#xff09;和哈希映射 dict&#xff08;字典&#xff09;来解决实际应用&#xff08;刷题&#xff09;。 零、概念 在介绍实际应用之前&#…

leetcode518. 零钱兑换 II

一:题目 二:上码 class Solution { public:/**思路:1.分析题意这个满足答案的结果有很多种&#xff0c;所以我们可以用动态规划去做,那么题意中我们可以知道的是我们是可以输入一种面值的时候,我们是可以重复输入的&#xff0c;那么这就是背包类型中的完全背包了2.动态规划5步…

跟我一起学.NetCore之选项(Options)核心类型简介

前言.NetCore中提供的选项框架&#xff0c;我把其理解为配置组&#xff0c;主要是将服务中可供配置的项提取出来&#xff0c;封装成一个类型&#xff1b;从而服务可根据应用场景进行相关配置项的设置来满足需求&#xff0c;其中使用了依赖注入的形式&#xff0c;使得更加简单、…

哈希表(散列表)基础概念与经典题目(Leetcode题解-Python语言)之下——设计键

在很多应用中&#xff0c;我们会发现某种映射关系&#xff08;模式&#xff09;&#xff0c;但它并不是简单一 一对应的。这时&#xff0c;我们就要从键 key 入手&#xff0c;通过设计合适的键&#xff0c;建立映射关系。leetbook的这个章节总结了一些常见的键&#xff0c;以供…

《ASP.NET Core项目开发实战入门》送书活动结果公布

截至2020.09.20 本次送书活动《ASP.NET Core项目开发实战入门》。下面把Top 5的留言截图给大家回顾一下。以下5位同学将获赠书籍一本&#xff1a;小林子鉴静红脸先生阿星Plus以上同学请在2020年9月25日24&#xff1a;00之前加小二微信领取赠书&#xff0c;超过时间视为放弃。小…

二分查找基础概念与经典题目(Leetcode题解-Python语言)二分索引型

二分查找的定义如下&#xff08;引自Wiki&#xff09;&#xff1a; 在计算机科学中&#xff0c;二分查找算法&#xff08;英语&#xff1a;binary search algorithm&#xff09;&#xff0c;也称折半搜索算法&#xff08;英语&#xff1a;half-interval search algorithm&…

Magicodes.IE 2.3重磅发布——.NET Core开源导入导出库

在2.3这一版本的更新中&#xff0c;我们迎来了众多的使用者、贡献者&#xff0c;在这个里程碑中我们也添加并修复了一些功能。对于新特点的功能我将在下面进行详细的描述&#xff0c;当然也欢迎更多的人可以加入进来&#xff0c;再或者也很期待大家来提issues或者PR&#xff0c…

听说用 C# 写 TensorFlow 更高效?

经过半年呕心沥血的努力&#xff0c;SciSharp STACK终于把Tensorflow .NET绑定升级到可以使用 tensorflow 2.3, 新版本最大的优势是实现了Eager模式, 这个特性是让.NET C#/ F#成为机器学习模型开发工具的重要前置条件。NugGet包下载:https://www.nuget.org/packages/TensorFlow…

leetcode279. 完全平方数

一:题目 二:上码 class Solution { public:/**思路:1.分析题意这个就是将一个数分成几个数的和;然而的话,这几个数必须的是完全平方数,我们要求的是最少数量的完全平方数这个满足答案的有好几个;但是我们要求的是最少的数量2.动态规划五步走1>:确定dp数组的含义以及下标的含…