我的编程空间,编程开发者的网络收藏夹
学习永远不晚

C++动态规划中关于背包问题讲解

短信预约 -IT技能 免费直播动态提醒
省份

北京

  • 北京
  • 上海
  • 天津
  • 重庆
  • 河北
  • 山东
  • 辽宁
  • 黑龙江
  • 吉林
  • 甘肃
  • 青海
  • 河南
  • 江苏
  • 湖北
  • 湖南
  • 江西
  • 浙江
  • 广东
  • 云南
  • 福建
  • 海南
  • 山西
  • 四川
  • 陕西
  • 贵州
  • 安徽
  • 广西
  • 内蒙
  • 西藏
  • 新疆
  • 宁夏
  • 兵团
手机号立即预约

请填写图片验证码后获取短信验证码

看不清楚,换张图片

免费获取短信验证码

C++动态规划中关于背包问题讲解

一、分割等和子集-最后一块石头的重量II

背包问题,难点往往在第一步:dp数组表示什么

分割等和子集问题,较好的方式是:求装满背包后最大重量是多少(有点绕哈哈)

这是个题型:对于判断能不能恰好装满背包的问题,用dp表示重量,判断是否最终的dp[m]==m

bool canPartition(int* nums, int numsSize){
    //首先数组元素求和的sum,若sum%2==1,返回false
    //若sum%2==0,定义m=sum/2,n=numsSize
    //则问题变成了能否装满容量为m的背包
    //进一步变成了求装满容量为m的背包得到的最大价值量(本题价值量即为重量)
    //1.dp[j]表示装满容量为j的背包能获得的最大价值量
    //2.递推式:dp[j]=fmax(dp[j],dp[j-nums[i]]+nums[i]);
    //3.dp数组初始化:dp[i]=0;
    //4.遍历顺序:0-1背包顺序(滚动数组)
    int sum=0;
    for(int i=0;i<numsSize;i++) sum+=nums[i];
    if(sum%2==1) return false;
    int m=sum/2,n=numsSize;
    int dp[m+1];
    for(int j=0;j<=m;j++) dp[j]=0;
    for(int i=0;i<n;i++){
        for(int j=m;j>=nums[i];j--)
            dp[j]=fmax(dp[j],dp[j-nums[i]]+nums[i]);
    }
    if(dp[m]==m) return true;
    else return false;
}

二、目标和

求组合数模板:dp[0]=1;dp[j]+=dp[j-nums[i]];

int findTargetSumWays(int* nums, int numsSize, int target){
    //首先数组元素求和的sum,若满足题意,m+(m-target)=sum
    //若(sum+target)%2==1,返回0;
    //若sum<abs(target),返回0;
    //否则,有m=(sum+target)/2;
    //问题就变成了整数m可以有多少表达式表示出
    //进一步变成了求装满容量为m的背包的最大组合数
    //1.dp[j]表示装满容量为j的背包的最大表达式的组合数
    //2.递推式:
    //组合问题模板:dp[0]=1;dp[j]+=dp[j-nums[i]];
    //3.dp数组初始化:dp[i]=0;dp[0]=1;
    int sum=0;
    for(int i=0;i<numsSize;i++) sum+=nums[i];
    if(sum<abs(target)||(sum+target)%2==1) return 0;
    int m=(sum+target)/2,n=numsSize;
    int dp[m+1];
    for(int i=1;i<=m;i++) dp[i]=0;
    dp[0]=1;
    for(int i=0;i<n;i++){
        for(int j=m;j>=nums[i];j--)
            dp[j]+=dp[j-nums[i]];
    }
    return dp[m];
}

三、一和零

注意二维滚动数组不能写在同一个for循环中,这题背一下

int findMaxForm(char ** strs, int strsSize, int m, int n){
    //本题是二维背包,不过是比一维多了一步而已
    //1.dp[i][j]表示背包容量为i个0、j个1时,最多能装的物品个数
    //2.递推式:
    //dp[i][j]=fmax(dp[i][j],dp[i-cnt0][j-cnt1]+1);
    //3.dp数组初始化:
    //dp[i][j]=0;
    //4.遍历顺序:二维滚动数组(注意不能把i和j写在同一个for循环中)
    int dp[m+1][n+1];
    for(int i=0;i<=m;i++){
        for(int j=0;j<=n;j++)
            dp[i][j]=0;
    }
    for(int k=0;k<strsSize;k++){
        int cnt0=0,cnt1=0;
        int len=strlen(strs[k]);
        for(int i=0;i<len;i++){
            if(strs[k][i]=='0') cnt0++;
            else cnt1++;
        }
        for(int i=m;i>=cnt0;i--){
            for(int j=n;j>=cnt1;j--){
                dp[i][j]=fmax(dp[i][j],dp[i-cnt0][j-cnt1]+1);
            }
        }
    }
    return dp[m][n];
}

四、零钱兑换II

多重背包和0-1背包唯一的区别在遍历顺序

我们知道01背包内嵌的循环是从大到小遍历,为了保证每个物品仅被添加一次。

而完全背包的物品是可以添加多次的,所以要从小到大去遍历

int change(int amount, int* coins, int coinsSize){
    int m=amount,n=coinsSize;
    int dp[m+1];
    for(int i=1;i<=m;i++) dp[i]=0;
    dp[0]=1;
    for(int i=0;i<n;i++){
        for(int j=coins[i];j<=m;j++)
            dp[j]+=dp[j-coins[i]];
    }
    return dp[m];
}

五、排列与组合

组合总数IV(排列问题)

本题要求的是排列数(即考虑排列顺序)

求排列数,外层遍历重量,内层遍历物品,且均为从左到右遍历

int combinationSum4(int *nums,int n,int m){
    //1.dp[j]表示背包容量为j时,有多少种方法能使背包被装满“
    //2.递推式:
    //dp[j]+=dp[j-nums[i]];
    //3.初始化:
    //dp[i]=0;dp[0]=1;
    //4.遍历顺序:
    //本题要求的是排列数(即考虑排列顺序)
    //求排列数,外层遍历重量,内层遍历物品,且均为从左到右遍历
    int dp[m+1];
    for(int i=1;i<=m;i++) dp[i]=0;
    dp[0]=1;
    for(int j=0;j<=m;j++){
        for(int i=0;i<n;i++){
            if(j>=nums[i]&&dp[j]<INT_MAX-dp[j-nums[i]])
                dp[j]+=dp[j-nums[i]];
        }
    }
    return dp[m];
}

零钱兑换(组合问题)

本题要求的是组合数(即不考虑排列顺序)

求组合数,外层遍历物品,内层遍历重量,且均为从左到右遍历

int int coinChange(int* coins, int coinsSize, int amount){
    //1.dp[j]表示背包容量为j时,有多少种方法能使背包被装满“
    //2.递推式:
    //dp[j]+=dp[j-coins[i]];
    //3.初始化:
    //dp[i]=0;dp[0]=1;
    //4.遍历顺序:
    //本题要求的是组合数(即不考虑排列顺序)
    //求组合数,外层遍历物品,内层遍历重量,且均为从左到右遍历
    int m=amount,n=coinsSize;
    int dp[m+1];
    for(int i=1;i<=m;i++) dp[i]=0;
    dp[0]=1;
    for(int i=0;i<n;i++){
        for(int j=coins[i];j<=m;j++)
            dp[j]+=dp[j-coins[i]];
    }
    return dp[m];
}

到此这篇关于C++动态规划中关于背包问题讲解的文章就介绍到这了,更多相关C++动态规划背包内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网!

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

C++动态规划中关于背包问题讲解

下载Word文档到电脑,方便收藏和打印~

下载Word文档

猜你喜欢

C++动态规划中关于背包问题讲解

可能有些读者有接触过动态规划,可能也有一些读者以前完全不知道动态规划这个东西,别担心,我这篇文章会为读者做一个入门,好让读者掌握这个重要的知识点
2023-03-15

C++动态规划中关于背包问题怎么解决

本篇内容主要讲解“C++动态规划中关于背包问题怎么解决”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“C++动态规划中关于背包问题怎么解决”吧!一、分割等和子集-最后一块石头的重量II背包问题,难
2023-07-05

C语言动态规划多种背包问题怎么解决

这篇文章主要介绍了C语言动态规划多种背包问题怎么解决的相关知识,内容详细易懂,操作简单快捷,具有一定借鉴价值,相信大家阅读完这篇C语言动态规划多种背包问题怎么解决文章都会有所收获,下面我们一起来看看吧。01背包问题C语言数学问题与简单DP0
2023-06-30

Python算法题解:动态规划解0-1背包问题

概述背包问题(Knapsack problem)是一种组合优化的NP完全问题。问题可以描述为:给定一组物品,每种物品都有自己的重量和价格,在限定的总重量内,我们如何选择,才能使得物品的总价格最高。问题的名称来源于如何选择最合适的物品放置于给
2023-06-02

C++中的动态规划子序列问题怎么解决

今天小编给大家分享一下C++中的动态规划子序列问题怎么解决的相关知识点,内容详细,逻辑清晰,相信大部分人都还太了解这方面的知识,所以分享这篇文章给大家参考一下,希望大家阅读完这篇文章后有所收获,下面我们一起来了解一下吧。一、子序列(不连续)
2023-07-05

C++中的动态规划子序列问题分析探讨

可能有些读者有接触过动态规划,可能也有一些读者以前完全不知道动态规划这个东西,别担心,我这篇文章会为读者做一个入门,好让读者掌握这个重要的知识点
2023-03-15

C++ 函数调试详解:如何调试包含动态内存分配的函数中的问题?

在 c++++ 中调试包含动态内存分配的函数时,可使用:调试器(gdb/lldb)检查内存分配/释放(valgrind)断言异常处理实战案例:函数 free_twice 错误:释放已释放内存使用 gdb 调试,发现断言失败检查变量值,确定问
C++ 函数调试详解:如何调试包含动态内存分配的函数中的问题?
2024-05-04

编程热搜

  • Python 学习之路 - Python
    一、安装Python34Windows在Python官网(https://www.python.org/downloads/)下载安装包并安装。Python的默认安装路径是:C:\Python34配置环境变量:【右键计算机】--》【属性】-
    Python 学习之路 - Python
  • chatgpt的中文全称是什么
    chatgpt的中文全称是生成型预训练变换模型。ChatGPT是什么ChatGPT是美国人工智能研究实验室OpenAI开发的一种全新聊天机器人模型,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,并协助人类完成一系列
    chatgpt的中文全称是什么
  • C/C++中extern函数使用详解
  • C/C++可变参数的使用
    可变参数的使用方法远远不止以下几种,不过在C,C++中使用可变参数时要小心,在使用printf()等函数时传入的参数个数一定不能比前面的格式化字符串中的’%’符号个数少,否则会产生访问越界,运气不好的话还会导致程序崩溃
    C/C++可变参数的使用
  • css样式文件该放在哪里
  • php中数组下标必须是连续的吗
  • Python 3 教程
    Python 3 教程 Python 的 3.0 版本,常被称为 Python 3000,或简称 Py3k。相对于 Python 的早期版本,这是一个较大的升级。为了不带入过多的累赘,Python 3.0 在设计的时候没有考虑向下兼容。 Python
    Python 3 教程
  • Python pip包管理
    一、前言    在Python中, 安装第三方模块是通过 setuptools 这个工具完成的。 Python有两个封装了 setuptools的包管理工具: easy_install  和  pip , 目前官方推荐使用 pip。    
    Python pip包管理
  • ubuntu如何重新编译内核
  • 改善Java代码之慎用java动态编译

目录