背包问题的应用

首先着重来讲一下什么叫“没装满”？

以一个例子说明：

1      w[1]=2     v[1]=1

2      w[2]=3     v[2]=2

3      w[3]=5     v[3]=3

设目标承重W=4

填表如下：

           0       1       2        3       4    (w)

i=0     0       0       0        0       0

   1     0       0       1        1       1

   2     0       0       1        2       2

   3     0       0       1        2       2

怎样判断是不是装满了呢？

i=2和i=3，对应的f值相等，说明第三件物品必然没有放进背包；i=1和i=2，对应的f值不等，说明第二件物品放进了背包。再往前找，i=2时，w=3和w=4对应的f值相等，说明背包必然是没有装满的！空出的体积为4-3=1.

也可以这么看，f[4]=2，说明装的是w[2]=3，3<4，必然没有装满。

为什么会出现这种情况呢？i=2时，f [4] = max { f [4] , f [ 4-w[2] ]+ v[2]  } = 2

 f [ 4-w[2] ]+ v[2]表示第二阶段要放入w[2]，但f[4-w[2]]=f[1]=0，说明f[1]时没有放入任何物品（放不下），所以即便放入w[2]怎么可能使承重为4的背包满呢！？

总结：我们可以保证f[ j- w[i] ]+v[i] 表示我们会且能（不能就是上一阶段的 f[j] ）放入 w[i]的物品，但因为不能保证状态为j-w[i]时背包本身就是满的，所以也不能保证放入 w[i] 后承重为 j 的背包能装满！

注：

1）f[ w[i] ] =  f [ 0 ]+ v[i]  表示只放了物品i，f[ 2*w[i] ]  =  f [ w[i]  ]+ v[i] 表示在已放一件物品i的基础上再放一件物品 i 。f[ 2*w[i]-1 ]  =  f [ w[i]-1 ]+ v[i] 表示在原承重为w[i]-1 的背包中（至于具体放了什么、结果如何我们不关心）放入物品i使得新的承重为2*w[i]-1 (这是放不下两件物品i的)。

2）每个位置j都有且仅有一个值，不好的(没添加第i件物品的)状态总会被更好(添加了第i件物品的)的状态替换掉。

3）由此，可以这样通俗的理解什么叫没装满。背包目标承重为5，到最后一阶段最后一状态(或任意一阶段任意一状态)比如w[3]=3，为了能放下w[3]必须要先从背包中(目前的背包处于此阶段的前一阶段，可能有w[1]和w[2]中的一个或几个)拿出重量为3的物品，使得背包有余量放下第i个物品，此时背包中只剩下一个重量为2的物品，但如果w[1]和w[2]都不等于2，那么此时背包的余量必然是大于3的(小于2的填不满，大于2的放不进)，放进w[3]之后背包仍留有余量(如果上一阶段的最后一个状态比此时的状态好，就保留上次的状态而不会被替换)

一、小题热身

Description:

话说月光家里有许多玩具，最近他又看上了DK新买的“擎天柱”，就想用自己的跟DK的换。每种玩具都有特定的价格，价格为整数。只有月光拿出的玩具的总价格与“擎天柱”的价格相等才能换得“擎天柱”。同时，月光还希望能用最少的玩具数换回“擎天柱”。请问，月光能顺利得到梦寐以求的“擎天柱”吗？

Input:
输入数据包含多组；对于每组数据，第一行为一个正整数n(1 ≤n≤10); 表示月光手头有n个玩具。接下来一行有n个正整数P1，P2，……，Pn（1 ≤ Pi ≤ 1000），Pi为第i个玩具的所对应的价格。最后一行为一个正整数m(1 ≤ m ≤10000)，为“擎天柱”的价格。

Output:
对于每组数据，如果能换得“擎天柱”则输出最少玩具数；否则，输出“-1”。

Sample Input：
3
1 2 3
4
4
4 3 3 5

2

Sample Output：
2

-1

解析：很简单的一道动态规划的题目，也可以理解为背包问题，和硬币选取和钢筋截取的题目类似。

直接上状态转移方程：

其中，i 表示当前价值，f [i] 表示当前价值对应的最少玩具数量，v[j] 为第 j 件玩具的价值。

就是这么简单！

二、完全背包

由背包思想很容易得到状态转移方程：

时间复杂度略高，可以优化，

设F[i][j]表示在前 i 种物品中选取若干件物品放入容量为j的背包所得的最大价值。那么对于第i种物品的出现，我们对第 i 种物品放不放入背包进行决策。如果不放那么F[i][j]=F[i-1][j]；如果确定放，背包中应该出现至少一件第i种物品，所以F[i][j]种至少应该出现一件第i种物品,即F[i][j]=F[i][j-C[i]]+W[i]。为什么会是F[i][j-C[i]]+W[i]？因为F[i][j-C[i]]里面可能有第i种物品，也可能没有第i种物品。我们要确保F[i][j]至少有一件第i件物品，所以要预留C[i]的空间来存放一件第i种物品。

0-1背包只能由上一阶段的状态转移而来（因为必须确保每件物品最多只放了一次——第i-1阶段是没有第i件物品的，它只能在第i 阶段被放（or 不放）），而完全背包却可能由本阶段状态转移而来，本阶段就意味着第i种物品是允许已经被放过了的！第i阶段j状态是完全可以由第i阶段j-C[i]状态转移而来的，因此v是顺序循环（而非0-1背包的逆序）。

第i阶段每个不同的j值（状态）对应可以放置的第i种物品不同的个数！
状态方程为：

所以区别于0-1背包，伪代码如下：

 for i=1...N
        for v=c[i]...V
              f[v]=max{f[v],f[v-c[i]]+w[i]};

题目：http://acm.hdu.edu.cn/showproblem.php?pid=1248

注意：本题是减去价值（因为加上的是第i种物品的价值），（函数外）再加上价值（因为求得就是价值 f[i][j] ）——参数同为第 i 种物品的价值。

三、多重背包

1）二进制思想
问题描述：
　　假设有1000个苹果，现在要取n个苹果，如何取？正常的做法应该是将苹果一个一个拿出来，直到n个苹果被取出来。

       又假设有1000个苹果和10只箱子，如何快速的取出n个苹果呢？可以在每个箱子中放 2^i (i<=0<=n)个苹果，也就是 1、2、4、8、16、32、64、128、256、489（最后的余数），相当于把十进制的数用二进制来表示，取任意n个苹果时，只要推出几只箱子就可以了。

        多重背包的拆分（分组，分堆！）思想就是由此演变而来：将第 i 种物品分成若干件物品，其中每件物品有一个系数，这件物品的费用和价值  等于  原来（单个第 i 种物品）的费用和价值乘以这个系数。使这些系数分别为1，2，4，... ，2^(k-1)，n[i] - (2^k-1)，且k是满足n[i]-（2^k-1）>0的最大整数。分成的这几件物品的系数和为n[i]（1+2+4+8+...+2^(k-1)+n[i]-(2^k-1) = n[i]），表明不可能取多于n[i]件的第i种物品。

这种方法也能保证对于0..n[i] 间的每一个整数，均可以用若干个系数的和表示（这就是二进制拆分来解决多重背包问题的原因）。

例如，如果n[i]为13，就将这种物品分成系数分别为1、2、4、6（余数）的四件物品。

处理多重背包问题有两种套路：先拆后0-1背包，边拆边0-1背包，下面是第一种：

#include <iostream>
using namespace std;
 
int f[201];
int weight[50]; /* 记录拆分后物体重量   */
int value[50];  /* 记录拆分后物体价值   */
int V, N;       /* 目标承重和物品种类数 */
 
void main()
{
    int i, j;
    scanf("%d %d",&V, &N);
    int weig, val, num;
    int count = 0;
 
    for(i = 0; i < N; ++i)
    {
        scanf("%d %d %d",&weig,&val,&num);
 
        for(j = 1; j <= num; j <= 1) // 二进制拆分，最后一个分号是左移一位（相当于乘以2）
        {
            weight[count] = j * weig;
            value[count] = j * val;
            count++;
            num -= j;               //j是被分出去了的，当然要剪掉
        }
        if(num > 0)                 //处理(每种物品的)余数
        {
            weight[count] = num * weig;
            value[count] = num * val;
            count++;
        }
    }                           //把所有的物品全部拆分分组后再统一使用0-1背包
    for(i = 0; i < count; ++i)  // 使用0-1背包，拆分过后相当于有count个物品
    {
        for(j = V; j >= weight[i]; --j)
        {
            f[j] = f[j] > (f[j-weight[i]] + value[i]) ? maxV[j] : (f[j-weight[i]] + value[i]);
        }
    }
    printf("%d",f[V]);
}

下面是 边拆边用0-1背包，问题http://acm.hdu.edu.cn/showproblem.php?pid=2191：

#include <stdio.h>
#include <stdlib.h>

int V;          //背包的体积
const int MAX = 10010;
int f[MAX];    //MAX要比背包的体积大
int p[MAX], h[MAX], c[MAX];

void ZeroOnePack (int cost, int weight)      //0-1背包
{
    int v;
    for (v = V; v >= cost; v--)
        f[v] = f[v] > (f[v - cost] + weight) ? f[v] : (f[v - cost] + weight);
}

void CompletePack (int cost, int weight)     //完全背包
{
    int v;
    for (v = cost; v <= V; v++)
        f[v] = f[v] > (f[v - cost] + weight) ? f[v] : (f[v - cost] + weight);    
}

void MultiplePack(int cost, int weight, int amount)     //多重背包
{
    //完全背包:该类物品原则上是无限供应，  
    //此时满足条件cost * amount >= V时，  
    //表示无限量供应，直到背包放不下为止。 
    if (cost * amount >= V)                             
        CompletePack (cost, weight);
    int k = 1;
    while (k < amount)
    {
        ZeroOnePack (k * cost, k * weight);             //每拆一次就用一次0-1背包
        amount = amount - k;
        k = k * 2;
    }
    if(amount!=0)   ZeroOnePack (amount * cost, amount * weight);        //剩下的余数也要用一次0-1背包
}

int main(void)
{
	int t,i,m;
	scanf("%d",&t);
	while(t--)
	{
		scanf("%d %d",&V,&m);

		for(i=0;i<=V;i++)      //没有要求把背包装满
		{
			f[i]=0;
		}
		for(i=1;i<=m;i++)
			scanf("%d %d %d",&p[i],&h[i],&c[i]);

		for(i=1;i<=m;i++)
			MultiplePack(p[i], h[i], c[i]);
		
		printf("%d\n",f[V]);
	}
	return 0;
}

参考资料：http://blog.csdn.net/hackbuteer1/article/details/7178690

2） 既然有二进制思想，也必然有3进制、4进制...思想

看一道腾讯面试题：一个商人到市场上买钻石，这批钻石的质量都是41g以下，但是商人只有四个砝码，请问他该带哪四个砝码？

这跟上面的二进制思想异曲同工。计算机语言描述为用4位表示最大40的数，很显然三进制数1111满足条件，所以应该带的砝码是1g，3g，9g，27g的。

总结：对于0-1背包和完全背包使用一维数组实现是最简便高效的；对于多重背包，最好是输入时进行二进制拆分，然后使用0-1背包，这样比基本实现和在运算时再进行拆分要简捷的多。