关于01背包的一维数组方法

最新推荐文章于 2025-06-16 00:46:30 发布

众男嫉余之蛾眉兮

最新推荐文章于 2025-06-16 00:46:30 发布

阅读量337

点赞数

CC 4.0 BY-SA版权

分类专栏：小崔学java 文章标签：动态规划

本文链接：https://blog.csdn.net/weixin_44769767/article/details/115939971

小崔学java 专栏收录该内容

4 篇文章

订阅专栏

本文介绍01背包问题的动态规划解决方案，包括二维数组和优化后的一维数组实现方式。详细解析了如何通过动态规划求解背包的最大价值，并提供了具体代码示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

01背包二维数组动态规划

* 01背包问题
* 给你一个可装载重量为W的背包和N个物品，每个物品有重量和价值两个属性。
* 其中第i个物品的重量为wt[i]，价值为val[i]，
* 现在让你用这个背包装物品，最多能装的价值是多少？

这是二维数组的代码，N个物品为外循环，W容量为内循环

int packaging(int N,int W,int[] wt,int[] val){
        int [][] dp = new int[N+1][W+1];
        for (int i = 1;i<=N;i++){
            for(int j = 1;j<=W;j++){
                if(j<wt[i-1]){
                    dp[i][j] = dp[i-1][j];//容量不够了，只能不放当前物品
                }else{
                    dp[i][j] = Math.max(dp[i-1][j],dp[i-1][j-wt[i-1]]+val[i-1]);//wt[i-1]和val[i-1]就是第i个数
                    //不放和放比较，取大的;
                    //放：N-1个物品，W减去当前物品重量的容量---此情况下的最大值+放了当前物品的值=dp[i][j]
                }
            }
        }
        return dp[N][W];
    }

在这里插入图片描述

一维数组方法

其实二维数组的填充顺序就是一层一层的，其中每层都是从左往右。且每个dp[i][j]都是由上一层的某几个元素得来的，如下所示，红圈dp[4][8]由黄圈得来，即：如果第四个物品能够放入，即当前容积大于物品4的大小，dp[4][8]就是放入和不放入取最大值：4+6和11。
所以可以缩减dp[][]为一维，每一层重复使用，覆盖上一层的数即可。

在这里插入图片描述
所以在dp[]内部，其每一位的数字都是一个一个的被这一层覆盖的，未覆盖前，其值还是上一层的在j位的值。如下图所示，在计算dp[4][8]时，dp[]中的数值其实是黄圈中的数值。我们需要的值已经被当前层的覆盖了。
在这里插入图片描述
所以每一层覆盖时，应该从后往前。即内循环改为从后往前。如下图

此时计算dp[4][8]所需的dp[3][3]和dp[3][8]都未被覆盖，即dp[8] = max(dp[8],dp[3]);代码如下

int packaging_oneDim (int N,int W,int[] wt,int[] val){
        int dp[] = new int[1+W];
        for (int i = 1; i <= N; i++) {
            for (int j = W; j >=1; j--) {
                if(j<wt[i-1]){
                    dp[j] = dp[j];
                }else {
                    dp[j] = Math.max(dp[j],dp[j-wt[i-1]]+val[i-1]);
                }
            }
            System.out.println(Arrays.toString(dp));
        }
        return dp[W];
    }

在j<wt[i-1]时，原地赋值，所以内循环可优化

for (int j = W; j >=1; j--) {
                if(j>=wt[i-1]){
                    dp[j] = Math.max(dp[j],dp[j-wt[i-1]]+val[i-1]);
                }
            }

即：j<当前物品大小的就不用看了，肯定不能选，所以进一步优化

for (int j = W; j >=wt[i-1]; j--) {
         dp[j] = Math.max(dp[j],dp[j-wt[i-1]]+val[i-1])；
            }

要求恰好装满

在这里插入图片描述

int packaging_oneDim_exactly (int N,int W,int[] wt,int[] val){
        int dp[] = new int[1+W];
        for (int i = 1; i < dp.length; i++) {
            dp[i] = Integer.MIN_VALUE;
        }
        for (int i = 1; i <= N; i++) {
            for (int j = W; j >=1; j--) {
                if(j<wt[i-1]){
                    dp[j] = dp[j];
                }else {//大于表示当前可以放，需要后续再放
                    dp[j] = Math.max(dp[j],dp[j-wt[i-1]]+val[i-1]);
                }
            }
        }
        return dp[W]<0?-1:dp[W];
    }

思路以及截图来自小码哥教育。