二维背包问题
时间:2022-07-22
本文章向大家介绍二维背包问题,主要内容包括其使用实例、应用技巧、基本知识点总结和需要注意事项,具有一定的参考价值,需要的朋友可以参考一下。
顾名思义,对于某种物品分别有两种代价,假设第i件商品的两种代价分别为为a[i], b[i],一个背包对于a, b两种花费固有的容量记做V, U。
如下以0/1二维背包为例(完全背包同理),由于多加了一个属性,因此状态多加一维即可,dp[i] [j] [k]为可选择前i个商品,两种属性最大容量分别为 j 和 k 时可以获得的最大回报。
转移方程如下:
以一道leetcode例题来说明:
问题描述:
在计算机界中,我们总是追求用有限的资源获取最大的收益。
现在,假设你分别支配着 m 个 0 和 n 个 1。另外,还有一个仅包含 0 和 1 字符串的数组。
你的任务是使用给定的 m 个 0 和 n 个 1 ,找到能拼出存在于数组中的字符串的最大数量。每个 0 和 1 至多被使用一次。
示例 1:
输入: Array = {"10", "0001", "111001", "1", "0"}, m = 5, n = 3
输出: 4
解释: 总共 4 个字符串可以通过 5 个 0 和 3 个 1 拼出,即 "10","0001","1","0" 。
示例 2:
输入: Array = {"10", "0", "1"}, m = 1, n = 1
输出: 2
解释: 你可以拼出 "10",但之后就没有剩余数字了。更好的选择是拼出 "0" 和 "1" 。
注意:
给定 0 和 1 的数量都不会超过 100。
给定字符串数组的长度不会超过 600。
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/ones-and-zeroes
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
解决方案
该问题中每个字符串就是一种物品,该物品存在1 , 0两种花费,m则为‘0’花费的背包最大容量,n为‘1’花费的最大容量。
定义三维数组记做dp,dp[i] [j] [k]表示能够使用前i个字符串,当前0的最大个数为j, 1的最大个数为k情况下能够组合的最多的字符串数目。
转移方程如下:
上述公式中的zerosCost[i]为第i个字符串0的数目,oneCost[i]为第i个字符串1的数目。
baseline:
由于i=0时,没有字符串可以选择,因此全为0。
代码如下:
class Solution {
public int findMaxForm(String[] strs, int m, int n) {
int N = strs.length;
int[] zeroCost = new int[N + 1];
int[] oneCost = new int[N + 1];
// dp[i][j][k] 为此时可选0~i-1件物品,两种可用资源分别为j k
int[][][] dp = new int[N + 1][m + 1][n + 1];
for(int i = 1; i <= N; i++){
for(int j = 0; j < strs[i - 1].length(); j++){
if(strs[i - 1].charAt(j) == '0'){
zeroCost[i]++;
}else{
oneCost[i]++;
}
}
}
for(int i = 1; i <= N; i++){
for(int j = 0; j <= m; j++){
for(int k = 0; k <= n; k++){
if(j - zeroCost[i] >= 0 && k - oneCost[i] >= 0){
dp[i][j][k] = Math.max(dp[i - 1][j][k], dp[i - 1][j - zeroCost[i]][k - oneCost[i]] + 1);
}else{
dp[i][j][k] = dp[i - 1][j][k];
}
}
}
}
return dp[N][m][n];
}
}
时间复杂度为O(N * m * n),额外空间复杂度为O(N * m * n)。
空间压缩后变为二维dp,代码如下:
class Solution {
public int findMaxForm(String[] strs, int m, int n) {
int N = strs.length;
int[] zeroCost = new int[N + 1];
int[] oneCost = new int[N + 1];
// dp[i][j][k] 为此时可选0~i-1件物品,两种可用资源分别为j k
int[][] dp = new int[m + 1][n + 1];
for(int i = 1; i <= N; i++){
for(int j = 0; j < strs[i - 1].length(); j++){
if(strs[i - 1].charAt(j) == '0'){
zeroCost[i]++;
}else{
oneCost[i]++;
}
}
}
for(int i = 1; i <= N; i++){
for(int j = m; j >= 0; j--){
for(int k = n; k >= 0; k--){
if(j - zeroCost[i] >= 0 && k - oneCost[i] >= 0){
dp[j][k] = Math.max(dp[j][k], dp[j - zeroCost[i]][k - oneCost[i]] + 1);
}
}
}
}
return dp[m][n];
}
}
时间复杂度为O(N * m * n),额外空间复杂度为O(m * n)。
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法
- js DOM系统
- css的radial-gradient大详解
- 你想知道的优惠券业务,SkrShop告诉你
- js汇率计算器系统
- 数学--数论--欧拉降幂和广义欧拉降幂(实用好理解)
- JS逐步教你做(自己版本)的视频播放器(我先声明,step我不懂是什么意思,所以没用)
- 【mysql系列】细谈“explain”之理论Part
- 如果用java swing编写一个五子棋(人人对战)
- 【mysql系列】细谈explain执行计划之“谜”
- 洛谷 P1352 没有上司的舞会(树形 DP)
- CF思维联系– CodeForces - 991C Candies(二分)
- 洛谷P1122 最大子树和 树形DP初步
- JAVA_WEB--jsp语法
- 图论--树的直径--DFS+树形DP模板
- js逐步教你实现原生电影院系统