1. 动态规划
动态规划是最常用的解决最优化问题的方法,很容易应用到本题的需求中。用f[V,i]表示从第i,i+1,i+2,...,n-1种饮料中,算出总量为V的方案中满意度之和的最大值。
动态规划方程为:f[V,i] = max{k*Hi + f[V-k*Vi, i+1]}
弄清解法之后,我们不妨来分析一下问题的最优子结构。
根据《算法导论》描述,最优子结构有两种变形:
1) 有多少个问题在原问题的最优解中,
2) 在决定一个最优解中使用哪些子问题时有多少个选择。
在饮料供货问题中,一个最优解只使用了一个子问题,但为了确定最优解,我们必须考虑Ci(第i中饮料可选的最大数量)种选择。
2. 贪心算法
书中提到第二种解法,贪心算法。由于所有饮料的容量都是2的整数幂,这就给贪心创造了条件。
假设给定的容量为V,我们可以把V写成二进制的形式,不妨设V=7,二进制的写法为111。
接下来我们就从最低位开始取:
第一步,取第一个1:拿出容量为1满意度最大的饮料,
第二步,取第二个1:使用剩余容量为1的饮料构造容量为2的饮料,比如(1,2)(1,3)构造出(2,5),并从新构造的和原有容量为2的所有饮料中选出满意度最大的。
第三步,取第三个1:递归构造容量为4的饮料,并从新构造的和原有容量为4的所有饮料中选出满意度最大的。
3.定义饮料类
首先需要定义一个饮料的类:
struct Drink
{
int Volume;
int TotalCount;
int Happiness;
Drink(int v, int t, int h)
{
Volume = v;
TotalCount = t;
Happiness = h;
}
};
建立一个存储饮料的全局动态数组,用于存放所有饮料,由于同时兼顾动态规划和贪心算法两种方法,我们使用了一个二维数组。
drink[i][j]表示容量为2^i的第j个饮料。
vector<vector<Drink> > drinks;
void initialize()
{
ifstream fin("drink.txt");
int v,t,h;
while(fin>>v>>t>>h)
{
while(drinks.size()<=v)
{
drinks.push_back(vector<Drink>());
}
drinks[v].push_back(Drink((int)pow(2,v),t,h));
}
fin.close();
}
创建样例输入drink.txt。
0 2 2
0 2 3
0 3 5
0 3 4
1 2 6
1 3 5
1 4 4
2 1 18
2 2 12
接下来使用两种方法求解当V=7时的最高满意度值。
4.动态规划解法
const int MAXV=101;
const int MAXT=101;
int opt[MAXV][MAXT];
// 动态规划
int GetMaxHappinessByDP1(int V)
{
int maxHappiness = 0;
vector<Drink> temp;
for (int i=0; i<drinks.size(); ++i)
for(int j=0; j<drinks[i].size(); ++j)
temp.push_back(drinks[i][j]);
int T = temp.size();
// init
for(int i=0; i<=T; ++i)
opt[0][i] = 0;
for (int i=0; i<=V; ++i)
opt[i][T] = 0;
for (int i=T-1; i>=0; --i)
{
for(int j=0; j<=V; ++j)
{
opt[j][i] = 0;
for (int k=0; k<=temp[i].TotalCount; ++k)
{
int v = temp[i].Volume*k;
int h = temp[i].Happiness*k;
if (v<=j && opt[j-v][i+1]+h>opt[j][i])
{
opt[j][i] = opt[j-v][