背包问题(0-1背包、完全背包、多重背包)详解

背包问题

一个背包总容量为V, 现在有N个物品, 第i个物品容量为weight[i], 价值为value[i], 现在往背包里面装东西, 怎样装才能使背包内物品总价值最大.主要分为3类：

1. 0-1背包, 每个物品只能取0个,或者1个.
2. 完全背包, 每个物品可以取无限次.
3. 多重背包, 每种物品都有个数限制, 第i个物品最多可以为num[i]个.

求解思路

利用动态规划（dynamic programming）求最优值的方法，当前状态的最优值可以转化成上一个状态的最优值，与上一个状态转移到当前状态代价的组合求最值。f[i]表示当前状态的最优值，f[i-1]表示上一个状态的最优值，s(i-1, i)表示从状态i-1转移带状态i的代价。则： f[i] = max{f[j], f[j]+s(i-1, i)}

具体问题分类

背包问题可以根据物品个数的限制，有多种情况0-1背包，完全背包，多重背包。

0-1背包问题

0-1背包表示每个物品只有取和不取的状态，即只能取0个或1个。
用子问题定义状态：即f[i][j]表示前i间物品恰放入一个容器为j的背包可以获得的最大价值。状态转移方程为：
f[i][j] = max{f[i-1][j], f[i-1][j-weight[i]]+value[i]}
python代码实现如下：

def ZeroOnePack(N, V, weight, value):
    """
    0-1 背包问题(每个物品只能取0次, 或者1次)
    :param N: 物品个数, 如 N=5
    :param V: 背包总容量, 如V=15
    :param weight: 每个物品的容量数组表示, 如weight=[5,4,7,2,6]
    :param value: 每个物品的价值数组表示, 如value=[12,3,10,3,6]
    :return:  返回最大的总价值
    """

    # 初始化f[N+1][V+1]为0, f[i][j]表示前i件物品恰放入一个容量为j的背包可以获得的最大价值
    f = [[0 for col in range(V+1)] for row in range(N+1)]

    for i in range(1, N+1):
        for j in range(1, V+1):
            if j<weight[i-1]:  # 总容量j小于物品i的容量时，直接不考虑物品i
                f[i][j] = f[i-1][j]
            else:
                # 注意由于weight、value数组下标从0开始，第i个物品的容量为weight[i-1],价值为value[i-1]
                f[i][j] = max(f[i-1][j], f[i-1][j-weight[i-1]]+value[i-1]) # 状态方程
    return f[N][V]

上面代码中例子的f[N+1][V+1]每一步计算如下表，其中横向表示物品编号，纵向表示背包容量：

N\V	0	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15
0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
1	0	0	0	0	0	12	12	12	12	12	12	12	12	12	12	12
2	0	0	0	0	3	12	12	12	12	15	15	15	15	15	15	15
3	0	0	0	0	3	12	12	12	12	15	15	15	22	22	22	22
4	0	0	3	3	3	12	12	15	15	15	15	18	22	22	25	25
5	0	0	3	3	3	12	12	15	15	15	15	18	22	22	25	25

所以代码中示例取的最大价值是选取1,3,4号物品，
总容量=5+7+2<=15满足条件，总价值=12+10+3=25.

完全背包问题

完全背包表示每个物品可以取无限次，只要加起来总容量不超过V就可以。
同样可以用f[i][j]表示前i间物品恰放入一个容器为j的背包可以获得的最大价值。则其状态转移方程为：
f[i][j] = max{f[i-1][j-k*weight[i]] + k*value[i]} ,其中(0 <= k <= j/weight[i])
python代码实现如下：

def CompletePack(N, V, weight, value):
    """
    完全背包问题(每个物品可以取无限次)
    :param N: 物品个数, 如 N=5
    :param V: 背包总容量, 如V=15
    :param weight: 每个物品的容量数组表示, 如weight=[5,4,7,2,6]
    :param value: 每个物品的价值数组表示, 如value=[12,3,10,3,6]
    :return: 返回最大的总价值
    """
    # 初始化f[N+1][V+1]为0，f[i][j]表示前i件物品恰放入一个容量为j的背包可以获得的最大价值
    f = [[0 for col in range(V + 1)] for row in range(N + 1)]

    for i in range(1, N+1):
        for j in range(1, V+1):
            # 注意由于weight、value数组下标从0开始，第i个物品的容量为weight[i-1],价值为value[i-1]
            # j/weight[i-1]表示容量为j时，物品i最多可以取多少次
            f[i][j] = f[i - 1][j]  # 初始取k=0为最大，下面的循环是把取了k个物品i能获得的最大价值赋值给f[i][j]
            k = 1
            while j - k * weight[i-1] >= 0:
                f[i][j] = max(f[i][j], f[i-1][j-k*weight[i-1]]+k*value[i-1])  # 状态方程
                k += 1
    return max_value

上面代码中例子的f[N+1][V+1]每一步计算如下表，其中横向表示物品编号，纵向表示背包容量：

N\V	0	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15
0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
1	0	0	0	0	0	12	12	12	12	12	24	24	24	24	24	36
2	0	0	0	0	3	12	12	12	12	15	24	24	24	24	27	36
3	0	0	0	0	3	12	12	12	12	15	24	24	24	24	27	36
4	0	0	3	3	6	12	12	15	15	18	24	24	27	27	30	36
5	0	0	3	3	6	12	12	15	15	18	24	24	27	27	30	36

所以代码中示例取的最大价值是选取1号物品3个，
总容量=5x3<=15满足条件，总价值=12x3=36.

多重背包问题

多重背包是每个物品有不同的个数限制，如第i个物品个数为num[i]。
同样可以用f[i][j]表示前i间物品恰放入一个容器为j的背包可以获得的最大价值，且每个物品数量不超多num[i]。则其状态转移方程为：
f[i][j] = max{f[i-1][j-k*weight[i]] + k*value[i]} ,其中(0 <= k <= min{j/weight[i], num[i]})

def MultiplePack(N, V, weight, value, num):
    """
    多重背包问题(每个物品都有次数限制)
    :param N: 物品个数, 如 N=5
    :param V: 背包总容量, 如V=15
    :param weight: 每个物品的容量数组表示, 如weight=[5,4,7,2,6]
    :param value: 每个物品的价值数组表示, 如value=[12,3,10,3,6]
    :param num: 每个物品的个数限制，如num=[2,4,1,5,3]
    :return: 返回最大的总价值
    """

    # 初始化f[N+1][V+1]为0，f[i][j]表示前i件物品恰放入一个容量为j的背包可以获得的最大价值
    f = [[0 for col in range(V + 1)] for row in range(N + 1)]
    for i in range(1, N+1):
        for j in range(1, V+1):
            # 对于物品i最多能取的次数是j/weight[i-1]与num[i-1]中较小者
            max_num_i = min(j/weight[i-1], num[i-1])
            # 初始取k=0为最大，下面的循环是把取了k个物品i能获得的最大价值赋值给f[i][j]
            f[i][j]= f[i - 1][j]  
            for k in range(max_num_i+1):
                f[i][j]= max(f[i][j], f[i-1][j-k*weight[i-1]]+k*value[i-1])  # 状态方程
    return f[N][V]

上面代码中例子的f[N+1][V+1]每一步计算如下表，其中横向表示物品编号，纵向表示背包容量：

N\V	0	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15
0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
1	0	0	0	0	0	12	12	12	12	12	24	24	24	24	24	24
2	0	0	0	0	3	12	12	12	12	15	24	24	24	24	27	27
3	0	0	0	0	3	12	12	12	12	15	24	24	24	24	27	27
4	0	0	3	3	6	12	12	15	15	18	24	24	27	27	30	30
5	0	0	3	3	6	12	12	15	15	18	24	24	27	27	30	30

所以代码中示例取的最大价值是选取1号物品2个，4号物品选2个，
总容量=5x2+2x2<=15满足条件，总价值=12x2+3x2=30.