01背包问题--记忆化搜索and动态规划

继上一篇代码的优化:https://blog.youkuaiyun.com/weixin_41676901/article/details/80638440

分析:

暴力搜索的代码可知,反复调用时有些同一参数调用了几次白白浪费了计算时间。

我们可以利用记忆化数组,把已经计算过的参数的结果记录下来,下次需要用时可以直接返回结果。参数的组合为nw种,而函数内只调用2次递归,所以时间复杂度为O(nm),比起O(2^n)效率大幅度提高。

输入样例:

4 5

2 1 3 2

3 2 4 2

输出样例:

7

代码:

#include<iostream>
#include<string.h>
using namespace std;
const int N = 100;
int n, w;
int W[N], V[N], dp[N][N];
int max(int a, int b)
{
	return a > b ? a : b;
}
int solve(int i, int j)
{
	int res;
	if (dp[i][j] >= 0)
		return dp[i][j];//直接返回已经计算过的结果
	if (i == n)
		res= 0;
	else if (j < W[i])
		res = solve(i + 1, j);
	else
	{
		res = max(solve(i + 1, j), solve(i + 1, j - W[i]) + V[i]);
	}
	return dp[i][j] = res;//将结果记录在数组中
}
int main()
{
	cin >> n >> w;
	for (int i = 0; i < n; i++)
		cin >> W[i]
0-1背包问题是一种经典的动态规划问题,用于优化资源分配,给定一组物品,每个物品有自己的价值和重量,目标是在不超过背包容量的情况下,选择能获得最大价值的物品组合。以下是几种常见的求解方法: 1. **暴力穷举法**:最基础的方法是枚举所有可能的组合,但时间复杂度为O(2^n),不适合物品数量较大时。 2. **贪心算法**:尝试每次放入价值最高的物品,但如果放不下,则选择下一个价值次高的,直到背包装满。这种方法并不一定得到最优解,但可以提供近似解。 3. **动态规划**:使用二维数组或矩阵来存储子问题的解,状态转移方程通常是`dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]] + v[i])`,其中`i`表示物品序号,`j`表示当前背包容量。这种方法时间复杂度为O(nW),n为物品数,W为背包容量,空间复杂度也为O(nW)。 4. **回溯法**:递归地尝试将物品放入背包,如果超重则回溯到上一步。这是一种分治策略,同样适用于0-1背包问题。 5. **记忆化搜索**:结合动态规划的思想,使用自底向上的方法,避免了重复计算,提高了解题效率。 6. **分支限界法(Branch and Bound)**:一种搜索算法,结合剪枝技术,限制搜索范围,对于特定问题可以得到精确解,但不适用于所有情况。 7. **基于线性规划的解法**:通过建立数学模型转化为线性规划问题,借助专门的线性规划求解器求解,但这种方法对求解器的依赖较强。
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