【类】二维dp：动态规划背包问题

最新推荐文章于 2025-07-09 09:21:05 发布

原创最新推荐文章于 2025-07-09 09:21:05 发布 · 321 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#动态规划

算法专栏收录该内容

6 篇文章

订阅专栏

本文介绍了使用二维动态规划解决背包问题的方法，重点讲解了dp[n][m]的状态含义及状态转移方程，通过初始化最上一行和最左一列，然后用双重循环填充dp数组，从而找出背包能容纳的最大价值。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在这里插入图片描述

dp[n][m]含义就是：当有n种物品时且背包有m容量时，这个背包能产生的最大价值

**
状态转换关系是：dp[n][m]=dp[n-1][m],dp[n-1][m-新物品重量]
意思就是，当面对新来的一个物品时，求这个情况下，背包能产生的最大价值相当于求下面两个情况背包能产生的最大价值：
1.无视这个新物品，不放入背包
2.一定要把这个新物品放入背包
思路:
1.首先填满最上面一排和最左边一列
在这里插入图片描述

接着搞个双重循环填满dp
在这里插入图片描述
最后返回的是这个值：

public static int knapsack(int[] w,int[] v,int c){
        int stuffs=w.length;
        int [][]dp=new int[stuffs][c+1];
        //先初始化最上面一排和最边一列
        //最上面一排,当只能用第一个stuff的时候，遍历capacity从0-c的所有可能
        for (int i = 0; i <=c; i++) {
            if (w[0]>i){
                dp[0][i]=0;
            }else {
                dp[0][i]=v[0];
            }
        }
        //最左边一列，当capacity=0时，装不了任何东西，所以最左边一列都是0
        for (int i = 0; i <stuffs ; i++) {
            dp[i][0]=0;
        }
        for (int i = 1; i <stuffs ; i++) {
            for (int j = 1; j <=c ; j++) {
                //比较：不拿新的stuff和一定要拿新的stuff
                
                dp[i][j]=dp[i-1][j];
                //当现在的容量能放下新物品时,比较两种情况，求出最大值：
                if (j>=w[i]){
                    dp[i][j]=Math.max(dp[i][j],dp[i-1][j-w[i]]+v[i]);
                }
            }
        }
        return dp[stuffs-1][c];
    }