diff --git a/notes/Leetcode 题解 - 动态规划.md b/notes/Leetcode 题解 - 动态规划.md index 094d1759..30ebf929 100644 --- a/notes/Leetcode 题解 - 动态规划.md +++ b/notes/Leetcode 题解 - 动态规划.md @@ -847,7 +847,7 @@ public int knapsack(int W, int N, int[] weights, int[] values) { } ``` -#### 空间优化 +### 空间优化 在程序实现时可以对 0-1 背包做优化。观察状态转移方程可以知道,前 i 件物品的状态仅与前 i-1 件物品的状态有关,因此可以将 dp 定义为一维数组,其中 dp[j] 既可以表示 dp[i-1][j] 也可以表示 dp[i][j]。此时, @@ -870,7 +870,7 @@ public int knapsack(int W, int N, int[] weights, int[] values) { } ``` -#### 无法使用贪心算法的解释 +### 无法使用贪心算法的解释 0-1 背包问题无法使用贪心算法来求解,也就是说不能按照先添加性价比最高的物品来达到最优,这是因为这种方式可能造成背包空间的浪费,从而无法达到最优。考虑下面的物品和一个容量为 5 的背包,如果先添加物品 0 再添加物品 1,那么只能存放的价值为 16,浪费了大小为 2 的空间。最优的方式是存放物品 1 和物品 2,价值为 22。 @@ -880,7 +880,7 @@ public int knapsack(int W, int N, int[] weights, int[] values) { | 1 | 2 | 10 | 5 | | 2 | 3 | 12 | 4 | -#### 变种 +### 变种 - 完全背包:每种物品的数量无限,例如[找零钱的最少硬币数](#4-找零钱的最少硬币数); - 多重背包:每种物品的数量有限制;