装箱问题(动态规划的一维优化)

这是一篇关于动态规划优化的文章,讨论如何利用一维数组解决装箱问题,以减少空间复杂度。作者指出,通过调整动态规划的状态转移方程,可以从二维数组优化到一维,从而在处理大容量数据时提高效率。文章提醒读者注意遍历顺序和初始化数据的重要性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目描述

有一个箱子容量为V(正整数,0 <= V<=20000),同时有n个物品(0<n<=30,每个物品有一个体积)。要求n个物品中,任取若干个装入箱内,使箱子的剩余空间最小。

输入:n(箱子总容量)

           k(物品的个数)

           接下来k行为k个物品的体积
输出:   装入k个物品后的最小体积

这是一道典型的动态规划问题,基本方法可参考我的上一篇题解

https://blog.youkuaiyun.com/m0_49980202/article/details/120269167?spm=1001.2014.3001.5501

       这里主要说一下对于二维数组的优化问题,时间上的复杂度根据输入可大可小不好优化,主要优化下空间复杂度。首先我们得确定目标是什么,根据本题,目标就是为了得到前k个物品后的最小装箱容量。所以我们需要得到的仅仅是第k个物品后的最优解,而根据背包问题的基本解法,得到的也是同样的结果,不过每行的变化数据仅为几个,绝大多数的数据都是承接上一状态罢了,这就造成了极大的空间上的浪费。

      采用一维数组优化的方法,可以在空间上实现极大的优化。

      若采用此方法,无非是要把之前的关系式用一维替代

      替代一:dp[j] = j------- dp[i][j] = dp[i-1][j]

      替代二

评论
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
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