登录
首页 >  文章 >  前端

JavaScript背包问题动态规划详解

时间:2026-04-11 12:33:46 132浏览 收藏

本文深入浅出地讲解了动态规划在JavaScript中求解经典01背包问题的核心思想与实战实现:面对容量有限的背包和一组具有重量与价值的物品,如何通过状态转移方程精准决策“取或不取”,以最大化总价值;不仅清晰剖析二维DP数组的逻辑构建与递推过程,还进一步优化为高效的一维数组逆序更新方案,在保证正确性的同时显著降低空间复杂度,为前端开发者掌握算法思维与工程化落地提供了兼具理论深度与代码可读性的实用指南。

JavaScript动态规划_背包问题解决方案

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。

什么是01背包问题?

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。

动态规划解法思路

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:

  • 对于每个物品,有两种选择:放入背包或不放入
  • 如果不放入,dp[i][w] = dp[i-1][w]
  • 如果放入(前提是物品重量 ≤ w),dp[i][w] = dp[i-1][w-weight[i]] + value[i]
  • 取两者最大值即可

JavaScript代码实现

以下是解决01背包问题的完整JavaScript函数:

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>

空间优化:一维数组解法

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。

今天带大家了解了的相关知识,希望对你有所帮助;关于文章的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~

资料下载
相关阅读
更多>
最新阅读
更多>
课程推荐
更多>