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]。 你不可以将物品进行切割。

点此在线做题

样例 1:

输入:  [3,4,8,5], backpack size=10 输出:  9 

样例 2:

输入:  [2,3,5,7], backpack size=12 输出:  12 

算法：DP

从已知的题目中，可以总结出以下两点：

• 每件物品只有一种
• 每件物品最多选择一次 那么考虑对于前 i 件的物品在容量为 w 的背包下，最大的装载量是多少，由此可以总结出对应的子结构，进行动态规划。

算法思路

设计 dp 数组 dp[n][m]，用 dp[i][j]表示第 i 个物品在容量为 j 的背包下，最大的装载量。

在这个问题中，若只考虑第 i 件物品的策略（放或不放），那么就可以转化为一个只牵扯前 i−1 件物品的问题：

• 如果不放第 i 件物品，可得 dp[i][j]=dp[i−1][j]
• 如果放了第 i 件物品，可得 dp[i][j]=dp[i−1][j−A[i]]+Ai 总结状态转义方程为：dp[i][j]=max(dp[i−1][j],dp[i−1][j−A[i]]+A[i])

复杂度分析

n 表示物品件数，m 表示背包容量

• 时间复杂度：O(nm)
• 空间复杂度：O(nm)

算法优化观察上方的状态转义方程，可以发现 dp[i][j]方程的两个状态都只和 dp[i-1]有关，显然通过 O(nm)的空间复杂度，难免会浪费一些空间。

可以考虑使用滚动数组优化，建立 dp 数组 dp[m]，使用 dp[j-A[i]]代替 dp[i-1][j-A[i]]。优化后状态转义方程为 dp[j]=max(dp[j],dp[j−A[i]]+A[i])

优化后复杂度分析

时间复杂度：O(nm) 空间复杂度：O(m)

代码思路分析

建立数组 dp[m]表示背包容量为 m 的情况下，最大的装载量 初始化 dp[0]=0 正序枚举 A[i]，并倒叙枚举 j，这样所需要的 dp[j-A[i]]不会被提前更新 最后返回 dp[m]，表示背包容量在 m 下的答案

public class Solution {     /**      * @param m: An integer m denotes the size of a backpack      * @param A: Given n items with size A[i]      * @return: The maximum size      */     public int backPack(int m, int[] A) {         // write your code here         // 如果背包容量或者物品数量为 0，则直接返回         if (A.length == 0 || m == 0) {             return 0;         }         int n = A.length;         int[] dp = new int[m + 1];         for (int i = 0; i < n; i++) {             // 滚动数组优化 倒序枚举 j             for (int j = m; j >= A[i]; j--) {                 dp[j] = Integer.max(dp[j], dp[j - A[i]] + A[i]);             }         }         return dp[m];     } }   

点此获取更多大厂面试动态规划题解

大佬有話說 (0)