一尘不染

从2D矩阵到1D矩阵的0/1背包动态优化编程

algorithm

我需要维基百科的一些澄清:背包,部分

因此,该解决方案将在O(nW)时间和O(nW)空间中运行。另外,如果我们仅使用一维数组m [W]来存储当前的最优值并经过该数组i + 1次,每次从m
[W]重写为m [1],我们将得到相同的结果仅O(W)空间。

我无法理解如何将2D矩阵转换为1D矩阵以节省空间。另外,这rewriting from m[W] to m[1] every time意味着什么(或它如何工作)。

请提供一些示例。假设我的集合{V,W}-> {(5,4),(6,5),(3,2)}且K = 9。

一维阵列的外观如何?


阅读 241

收藏
2020-07-28

共1个答案

一尘不染

在许多动态编程问题中,您将逐行构建一个2D表,其中每行仅取决于其紧前面的行。如果是0/1背包问题,则重复发生的次数(来自Wikipedia)如下:

如果w i > w ,则m [i,w] = m [i-1,w]

m [i,w] = max(m [i-1,w],m [i-1,w-w i ] + v i)否则

注意,当填充第i行时,所有从表中读取的数据仅来自第i-1行;表格中较早的行实际上并未使用。因此,您可以通过仅存储两行来节省2D表中的空间-
紧接的前一行和您要填充的行。您可以通过更加智能的填写方式来进一步将其优化为仅一行表条目。这样可以将空间使用量从O(nW)(O(n)行和O(W)列)减少到O(W)(一两行和O(W)列)。

不过,这是有代价的。许多DP算法并不会在运行时显式计算解决方案,而是填写表格,然后在表格最后进行第二遍操作以恢复最佳答案。如果只存储一行,那么您将获得最佳答案的
,但是您可能不知道最佳答案是什么。在这种情况下,您可以读取可放入背包的最大值,但不一定能够恢复要获得的最大价值。

希望这可以帮助!

2020-07-28