01背包问题是在限定容量下使物品价值最大化,每物仅可选一次;使用动态规划,通过状态转移方程dpi = max(dpi-1, dpi-1] + value[i])求解;JavaScript中可用二维数组实现,再优化为一维数组从后往前更新,降低空间复杂度。

背包问题是动态规划中的经典问题,主要分为01背包、完全背包和多重背包等类型。这里重点介绍最基础的01背包问题及其在JavaScript中的实现方式。
给定一个固定容量的背包和一组物品,每个物品有重量和价值,每种物品只能选择一次(拿或不拿),目标是在不超过背包容量的前提下,使装入背包的物品总价值最大。
使用二维数组 dp[i][w] 表示前 i 个物品在容量为 w 时能获得的最大价值:
以下是解决01背包问题的完整JavaScript函数:
立即学习“Java免费学习笔记(深入)”;
function knapsack(weights, values, capacity) {
const n = weights.length;
// 创建二维DP数组
const dp = Array(n + 1).fill(null).map(() => Array(capacity + 1).fill(0));
<p>// 填充DP表
for (let i = 1; i <= n; i++) {
for (let w = 0; w <= capacity; w++) {
if (weights[i - 1] <= w) {
dp[i][w] = Math.max(
dp[i - 1][w], // 不放当前物品
dp[i - 1][w - weights[i - 1]] + values[i - 1] // 放当前物品
);
} else {
dp[i][w] = dp[i - 1][w]; // 超重,不能放
}
}
}</p><p>return dp[n][capacity];
}</p><p>// 示例使用
const weights = [2, 3, 4, 5];
const values = [3, 4, 5, 6];
const capacity = 8;
console.log(knapsack(weights, values, capacity)); // 输出:10</p>可以将空间复杂度从 O(n×W) 降到 O(W),使用一维数组从后往前更新:
function knapsackOptimized(weights, values, capacity) {
const dp = Array(capacity + 1).fill(0);
<p>for (let i = 0; i < weights.length; i++) {
for (let w = capacity; w >= weights[i]; w--) {
dp[w] = Math.max(dp[w], dp[w - weights[i]] + values[i]);
}
}</p><p>return dp[capacity];
}</p>基本上就这些。掌握状态定义和转移方程是关键,理解后可扩展到完全背包等问题。
以上就是JavaScript动态规划_背包问题解决方案的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号