Dynamic Programming (2) 下
by music960633
空間優化
• 給一個N*M的矩形,每格內有一個數字。由左上走到右下,且只 能往右走和往下走的路徑中,總和最大為多少?
• 定義狀態
• f(i,j)為走到點(i,j)時,路徑的最大值
• 狀態轉移
• f(i,j)=max(f(i-1,j),f(i,j-1))+a[i][j]
• 最後答案
• f(N,M)
空間優化
• 如何儲存狀態?
• 開一個N*M的二維陣列
• 能不能開少一點?
• 注意到f(n,?)只會用到f(n-1,?)和f(n,?)
• 不會用到f(n-2,?)、f(n-3,?)等狀態!
• 滾動數組
• 壓成1維陣列
空間優化
• 只開兩個陣列,做完一次之後將結果複製到原本的陣列
i=n-1
i=n i=n
i=n+1
空間優化
• 滾動數組:兩個陣列交替使用
• dp[i][j]=max(dp[i-1][j],dp[i][j-1])+a[i][j]
• dp[i%2][j]=max(dp[(i+1)%2][j],dp[i%2][j])+a[i][j]
i=n i=n-1 i=n+1
i=n+2
空間優化
• 只使用1維陣列
• 注意到,每個狀態( 紅色 )只會使用到上面一格和左邊一格的狀態 ( 藍色 )
• 開一個一維陣列表示右圖中綠色格子的值:dp[j]
空間優化
• dp[j]=max(dp[j-1],dp[j])+a[i][j]
空間優化
• 當轉移式為f(i,j)=min(f(i,j+1),f(i-1,j))+a[i][j]
• dp[j]=min(dp[j+1],dp[j])+a[i][j]
• j由M掃到1
空間優化
• 當轉移式為f(i,j)=min(f(i-1,j),f(i-1,j-1))+(i+j)
• dp[j]=min(dp[j],dp[j-1])+(i+j)
• j由M掃到1
0/1 背包問題
• 有一個可以耐重W的背包,及N個物品,每個物品有各自的重量w
i和價值v
i,求在不超過重量限制的情況下往背包塞盡量多的東西,
總價值最大為多少?
• 如果w
i和v
i都很大,則此問題為一NP問題,但如果範圍較小,則 可以用DP的方法解決
• 暴力法 :窮舉2
N種可能的取法,找重量小於W的v
i總合最大值
0/1 背包問題
• 定義狀態
• f(n,m)表示從前n個物品中選出重量總和恰為m的物品時,價值總合的最 大值。若不存在一種取法使得重量為m,則f(n,m)=-INF(或是其他數值,
如-1)
• 狀態數:N*W (重量超過W就不需要考慮了)
• 狀態轉移
• 從前n樣物品中選擇物品的最佳方案,一定是「有選到第n樣物品」和
「沒選到第n樣物品」其中一個(或者兩者一樣好)
• 如果最佳方案包含第n樣物品,則此最佳方案必為「選擇第n樣物品」及
「從前n-1項物品中取出重量為m-wn的最佳方案」,因此可以得到 f(n,m) = f(n-1,m-wn)+vn
• 如果最佳方案不包含第n樣物品,則f(n,m) = f(n-1,m)
0/1 背包問題
• 狀態轉移
• f(n,m) = max(f(n-1,m), f(n-1,m-wn)+vn), m ≧ wn
• f(n,m) = f(n-1,m), m < wn
• 初始條件
• f(0,0) = 0
• f(0,k) = -INF, for k>0
• 最後答案
• max(f(N,k)), 0 ≦ k ≦ W
0/1 背包問題
• 實做
• 注意到,f(n,m)只依賴於f(n-1,m)及f(n-1,m-wn)
• 滾動數組
• dp[n%2][m]=max(dp[(n+1)%2][m], dp[(n+1)%2][m-w[n]]+v[n])
• 開一維陣列
• m從M跑到0
• dp[m]=max(dp[m], dp[m-w[n]]+v[n])
• 時間複雜度
• O(NW),N為物品個數,W為背包重量上限
0/1 背包問題
• 另解
• 定義狀態
• f(n,m)表示從前n個物品中選出價值總和恰為m的物品時,重量總合的最 小值。若不存在一種取法使得價值為m,則f(n,m)=INF
• 狀態數:N*V (V為所有物品總合)
• 狀態轉移
• 如果最佳方案包含第n樣物品,則此最佳方案必為「選擇第n樣物品」及
「從前n-1項物品中取出價值為m-vn的最佳方案」,因此可以得到 f(n,m) = f(n-1,m-vn)+wn
• 如果最佳方案不包含第n樣物品,則f(n,m) = f(n-1,m)
0/1 背包問題
• 狀態轉移
• f(n,m) = min(f(n-1,m), f(n-1,m-vn)+wn), m ≧ vn
• f(n,m) = f(n-1,m), m < vn
• 初始條件
• f(0,0) = 0
• f(0,k) = INF, for k>0
• 最後答案
• max(k), for all 0 ≦ f(N,k) ≦ W
• 時間複雜度
• O(NV),N為物品個數,V為物品價值總合
0/1 背包問題
• 比較兩種做法
• 用重量做為狀態
• 空間複雜度:O(W)
• 時間複雜度:O(NW)
• 限制:W不能太大
• 用價值做為狀態
• 空間複雜度:O(V)
• 時間複雜度:O(NV)
• 限制:V不能太大
無限背包問題
• 有一個可以耐重W的背包,及N種物品,每種物品有各自的重量w
i和價值v
i,且數量為無限多,求在不超過重量限制的情況下往背 包塞盡量多的東西,總價值最大為多少?
• 定義狀態
• f(n,m)表示從前n種物品中選出重量總和恰為m的物品時,價值總合的最 大值。若不存在一種取法使得重量為m,則f(n,m)=-INF
無限背包問題
• 狀態轉移
• 從前n樣物品中選擇物品的最佳方案,一定是「第n樣物品取了0個」、
「第n樣物品取了1個」...「第n樣物品取了k個」中的最佳方案,其中k 為滿足 wi*k ≦ m 的最大可能值
• f(n,m)=max(f(n-1,m),
f(n-1,m-wn)+vn,
f(n-1,m-2*wn)+2*vn, ...,
f(n-1,m-k*wn)+k*vn )
• 整理之後得到 f(n,m)=max(f(n-1,m), f(n,m-wn)+vn)
無限背包問題
• 實做
• 注意到,f(n,m)只依賴於f(n-1,m)及f(n,m-wn)
• 滾動數組
• dp[n%2][m]=max(dp[(n+1)%2][m], dp[n%2][m-w[n]]+v[n])
• 開一維陣列
• m從0跑到M
• dp[m]=max(dp[m], dp[m-w[n]]+v[n])
• 時間複雜度
• O(NW),N為物品個數,W為背包重量上限
有限背包問題
• 有一個可以耐重W的背包,及N種物品,每種物品有各自的重量w
i和價值v
i,且 數量為k
i個,求在不超過重量限制的情況下往背包 塞盡量多的東西,總價值最大為多少?
• 做法:將k
i個相同物品視為不同物品,做0/1背包,時間複雜度
為O(NWK),其中K為重複數量的最大值
有限背包問題
• 另一種做法
• 狀態轉移
• f(n,m)=max(f(n-1,m), f(n-1,m-wn)+vn, f(n-1,m-2*wn)+2*vn,...,f(n-1,m-k*wn)+k*vn), where k ≦ ki
• O(K)轉移
• 時間複雜度還是O(NWK)
• 更快的做法將在之後的課程中提到,有限背包問題有時間複雜度O(NW*logK) 及O(NW)的做法
換零錢問題
• 有N個不同的銅板,面額分別為c[1~N],問
• 1. 能不能湊出恰好M元?
• 2. 如果可以,共有幾種方法?
• 3. 如果可以,最少需要用幾個銅板?
• 4. 能不能分成兩堆,使得兩堆的總和相等?
• 5. 能不能分成兩堆,使得兩堆的總和為x:y?
• 6. ...
換零錢問題
• 其實這根本是弱化版的背包問題!
• 可以想成每樣物品有重量c[i],價值為1
• 1. 能不能湊出恰好M元?
• 因為只問「能不能湊出」,因此只需要開bool陣列就可以了
• f(n,m) = f(n-1,m) OR f(n-1,m-c[n])
• 2. 湊出M元的方法數有幾種?
• f(n,m) = f(n-1,m) + f(n-1,m-c[n])
換零錢問題
• 3. 湊出M元需要最少的銅板數是幾個?
• 完全是背包問題,只是最大值改成最小值
• f(n,m) = min(f(n-1,m), f(n-1,m-c[n])+1)
• 4. 能不能分成兩堆,使得兩堆總和相等?
• 只要看能不能湊出sum(c[i])/2元就可以了
• 5. 能不能分成兩堆,使得兩堆總和為x:y?
• 只要看能不能湊出sum(c[i])*x/(x+y)元就可以了