寫在前面,如果有更好的方法可以給博主分享一下麼,木有vip,看不到lintcode的題解,謝謝啦
題目描述:
lintcode: https://www.lintcode.com/problem/backpack-ii/description
上一篇揹包問題:https://blog.csdn.net/qq_xuanshuang/article/details/104025707
有 n
個物品和一個大小爲 m
的揹包. 給定數組 A
表示每個物品的大小和數組 V
表示每個物品的價值.
問最多能裝入揹包的總價值是多大?
樣例:
輸入:m = 10, A = [2, 3, 5, 7], V = [1, 5, 2, 4]
輸出: 9
解釋:裝入A[1]和A[3]可以得到最大價值,V[1] + V[3] = 9
挑戰
O(nm) 空間複雜度可以通過, 不過你可以嘗試 O(m) 空間複雜度嗎?
注意事項
-
A[i], V[i], n, m
均爲整數 -
你不能將物品進行切分
-
你所挑選的要裝入揹包的物品的總大小不能超過
m
-
每個物品只能取一次
題解
方法一:遞歸
暴力求解所有可能性,自頂向下
_helper(self, w, v, index, c)函數,表示考慮求解將[0,index]的物品放入揹包中,能得出的最大價值(其實這一題和上一題幾乎完全一樣,可以將該題的價值v想象成重量A,求最大價值對應上題的求最大容量),遞歸函數,其中index,表示考慮將[0, index]的物品放入容量爲c的揹包,c-表示剩餘容量,故是最終結果,其表示將所有物品考慮放入容量爲m的揹包中的最大價值。
class Solution:
"""
@param m: An integer m denotes the size of a backpack
@param A: Given n items with size A[i]
@param V: Given n items with value V[i]
@return: The maximum value
"""
def backPackII(self, m, A, V):
if not A or len(A) != len(V) or m <= 0:
return 0
return self._helper(A, V, len(A) - 1, m)
def _helper(self, w, v, index, c):
if index < 0 or c < 0:
return 0
res = 0
for i in range(0, index + 1):
res = max(res, self._helper(w, v, i - 1, c))
if c - w[i] >= 0:
res = max(res, self._helper(w, v, i - 1, c - w[i]) + v[i])
return res
方法二:記憶化搜索
水到渠成的記憶化搜索
class Solution:
def __init__(self):
self.memo = []
def backPackII(self, m, A, V):
if not A or len(A) != len(V) or m <= 0:
return 0
self.memo = [[-1] * (m + 1) for _ in range(len(A))]
return self._helper(A, V, len(A) - 1, m)
def _helper(self, w, v, index, c):
if index < 0 or c < 0:
return 0
if self.memo[index][c] != -1:
return self.memo[index][c]
res = 0
for i in range(0, index + 1):
res = max(res, self._helper(w, v, i - 1, c))
if c - w[i] >= 0:
res = max(res, self._helper(w, v, i - 1, c - w[i]) + v[i])
self.memo[index][c] = res
return res
方法三:動態規劃
class Solution:
def backPackII(self, m, A, V):
if not A or len(A) != len(V) or m <= 0:
return 0
dp = [[0] * (m + 1) for _ in range(len(A))]
for j in range(m + 1):
if j >= A[0]:
dp[0][j] = V[0]
for i in range(1, len(A)):
for j in range(m + 1):
dp[i][j] = dp[i-1][j]
if j >= A[i]:
dp[i][j] = max(dp[i][j], dp[i-1][j - A[i]] + V[i])
return dp[-1][-1]
空間優化
class Solution:
def backPackII(self, m, A, V):
if not A or len(A) != len(V) or m <= 0:
return 0
dp = [0] * (m + 1)
for i in range(0, len(A)):
j = m
while j >= A[i]:
dp[j] = max(dp[j], dp[j - A[i]] + V[i])
j -= 1
return dp[-1]