[LintCode]92.背包问题

最新推荐文章于 2021-04-17 22:46:16 发布

原创最新推荐文章于 2021-04-17 22:46:16 发布 · 832 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#算法

数据结构动态规划专栏收录该内容

9 篇文章

订阅专栏

本文介绍了一个经典的背包问题解决方法，通过一维动态规划算法找出在给定物品集合中能够装入背包的最大价值。以4个不同大小的物品为例，探讨了如何在不同背包容量下选择最优组合。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在n个物品中挑选若干物品装入背包，最多能装多满？假设背包的大小为m，每个物品的大小为A[i]

样例

如果有4个物品[2, 3, 5, 7]

如果背包的大小为11，可以选择[2, 3, 5]装入背包，最多可以装满10的空间。

如果背包的大小为12，可以选择[2, 3, 7]装入背包，最多可以装满12的空间。

函数需要返回最多能装满的空间大小。

思路：使用一维数组 dp[i] 记录所有物品在背包大小为 j 的条件下，最多可以装满的空间

状态转移方程为：dp[j] = max(dp[j], dp[j - A[i]] + A[i])

class Solution {
public:
    /**
     * @param m: An integer m denotes the size of a backpack
     * @param A: Given n items with size A[i]
     * @return: The maximum size
     */
    int backPack(int m, vector<int> A) {
        int n = A.size(), i = 0, j = 0;
        vector<int> dp(m + 1, 0);
        for(i=0; i<n; i++) {
            for(j=m; j>=1; j--) {
                if(j >= A[i]) {
                    dp[j] = max(dp[j],dp[j-A[i]] + A[i]);
                }
            }
        }
        return dp[m];
    }
};