闫氏 DP 分析法

本文介绍了闫氏DP分析法,着重于状态表示如何用数值表示集合,以及状态计算中如何设计转移方程。划分决策依赖于特定点,且对max和min问题的处理略有不同。作者强调实践的重要性,通过多做练习提升解决DP问题的能力。

前言

闫氏 DP 分析法提出者:闫学灿(本文章大体讲述分析法内容)

闫氏 DP 分析法是从集合角度分析 DP 问题
其中,闫氏 DP 分析法主要由状态表示状态计算组成。

状态表示

首先,做任何 DP 问题,我们都需要对于问题中的状态进行表示。

首先思考一下,为什么 DP 的效率高于爆搜?
最主要的原因是,爆搜是枚举了所有方案集合,但是 DP 并没有这样做,而是将所有方案集合用一个数值来表示。这样,DP 就可以方便进行转移。

集合

回归 DP 的本质,用一个数值表示集合,那我们就应该明确地知道,这个集合是什么。这就是状态表示的关键。在 数字三角形 中,是 所有从最后一行走到 ( i , j ) (i,j) (i,j) 的路径。注意,这里的所有,就是闫氏 DP 分析法与普通 DP 思路的差别。

属性

如果直接用集合来表示状态,那么 DP 就与爆搜无异。DP 是用数值来表示集合,所以状态存储的应该是数值,而且数值应该是集合中的一个属性。对于一般的状态,属性是 最大值/最小值/数量( max ⁡ / min ⁡ / count \max/\min/\text{count} max/

### 完全背包问题的闫氏动态规划解析 #### 动态规划的核心思想 完全背包问题是经典的组合优化问题之一,其目标是在给定容量 \(V\) 的背包中放入若干物品,使得总价值最大化。与01背包不同的是,每种物品可以被无限次选取。 闫氏动态规划方法通过状态转移方程定义了一个清晰的状态表示方式,并利用滚动数组优化了空间复杂度。以下是具体实现和解析: --- #### 状态定义 设 \(dp[j]\) 表示当前状态下,背包容量为 \(j\) 时所能获得的最大价值。对于第 \(i\) 种物品,其体积为 \(v[i]\),价值为 \(w[i]\)[^3]。 初始条件:\(dp[0]=0\), 即当背包容量为0时,最大价值也为0。 --- #### 转移方程 在处理第 \(i\) 种物品时,考虑将其加入背包的情况,则状态转移方程为: \[ dp[j] = \max(dp[j], dp[j-v[i]] + w[i]) \] 其中,\(dp[j-v[i]] + w[i]\) 表示将一件该物品放入背包后的新增价值[^4]。 注意,在遍历过程中,为了允许同一种物品多次选入背包,第二层循环需从小到大进行迭代。这与01背包中的逆序遍历形成鲜明对比。 --- #### 时间与空间复杂度 时间复杂度为 \(O(N \times V)\),其中 \(N\) 是物品数量,\(V\) 是背包容量;而经过一维数组的空间压缩后,空间复杂度降为 \(O(V)\)[^1]。 --- #### Python代码实现 下面是基于上述理论的具体Python代码实现: ```python def complete_pack(v, w, capacity): n = len(v) dp = [0] * (capacity + 1) for i in range(n): # 遍历每一个物品 for j in range(v[i], capacity + 1): # 对于每个可能的重量,正向更新 if j >= v[i]: dp[j] = max(dp[j], dp[j - v[i]] + w[i]) return dp[capacity] # 测试数据 values = [6, 3, 5] # 物品的价值列表 weights = [2, 1, 3] # 物品的重量列表 bag_capacity = 5 # 背包的容量 result = complete_pack(weights, values, bag_capacity) print(f"Maximum value achievable is {result}") ``` 此代码实现了完全背包问题的基础逻辑,能够计算出满足约束条件下最大的物品总价值[^2]。 --- #### 解析总结 通过对闫氏DP分析法的理解可以看出,完全背包的关键在于如何设计合理的状态转移关系以及控制嵌套循环的方向。相比01背包而言,虽然两者形式上接近,但在实际操作层面存在细微差异——尤其是关于重复取物这一点的设计思路决定了它们各自独特的解决方案。 ---
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

三日连珠

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值