动态规划之０１背包问题

转载自：http://blog.sina.com.cn/s/blog_6dcd26b301013810.html
首先是问题描述：给定n种物品和一背包，物品i的重量是wi，其价值是pi，背包的容量是M，问如何选择装入背包中的物品总价值最大？

可以这样理解：背包的背负有上限，因此在这个上限内尽可能多的装东西，并且价值越多越好。

在这里我之想讨论动态规划解决这个问题的详细过程。

动态规划是用空间换时间的一种方法的抽象。其关键是发现子问题和记录其结果。然后利用这些结果减轻运算量。因为背包的最终最大容量未知，所以，我们得从1到M一个一个的试，比如，刚开始任选N件物品中的一个，看对应的M的背包，能不能放进去，如果能放进去，并且还有多少空间，则，多出来的空间能放N-1物品中的最大价值，怎么能保证总选则是最大价值呢，看下表：
测试数据：
10,3
3,4
4,5
5,6

c[i][j]数组保存了1,2,3号物品依次选择后的最大价值.

这个最大价值是怎么得来的呢?从背包容量为0开始,1号物品先试,0,1,2,的容量都不能放.所以置0,背包容量为3则里面放4.这样,这一排背包容量为4,5,6,....10的时候，最佳方案都是放4.假如1号物品放入背包.则再看2号物品.当背包容量为3的时候，最佳方案还是上一排的最价方案c为4.而背包容量为5的时候，则最佳方案为自己的重量5.背包容量为7的时候，很显然是5加上一个值了。加谁??很显然是7-4=3的时候.上一排c3的最佳方案是4.所以。总的最佳方案是5+4为9.这样.一排一排推下去。最右下放的数据就是最大的价值了。(注意第3排的背包容量为7的时候,最佳方案不是本身的6.而是上一排的9.说明这时候3号物品没有被选.选的是1,2号物品.所以得9.

从以上最大价值的构造过程中可以看出。

f(n,m)=max{f(n-1,m),f(n-1,m-w[n])+P(n,m)}这就是书本上写的动态规划方程.

下面是一种实现过程：（C语言描述）

#include<stdio.h> int c[10][100]; int knapsack(int m,int n) {     int i,j,w[10],p[10];     for(i=1;i<n+1;i++)     scanf("\n%d,%d",&w[i],&p[i]);     for(i=0;i<10;i++)     for(j=0;j<100;j++)     c[i][j]=0;     for(i=1;i<n+1;i++)     for(j=1;j<m+1;j++)     {         if(w[i]<=j){              if(p[i]+c[i-1][j-w[i]]>c[i-1][j])                  c[i][j]=p[i]+c[i-1][j-w[i]];               else                  c[i][j]=c[i-1][j];         }else               c[i][j]=c[i-1][j];      }      return(c[n][m]); } int main() {     int m,n;int i,j;     printf("inputthe max capacity and the number of thegoods:\n");     scanf("%d,%d",&m,&n);     printf("Inputeach one(weight and value):\n");     printf("%d",knapsack(m,n));     printf("\n");     for(i=0;i<10;i++)         for(j=0;j<15;j++)         {              printf("%d",c[i][j]);              if(j==14)printf("\n");         }     system("pause"); }

下面是思路的基本过程

问题的特点是：每种物品一件，可以选择放1或不放0。

用子问题定义状态：即f[i][v]表示前i件物品恰放入一个容量为v的背包可以获得的最大价值。则其状态转移方程便是：

f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]+w[i]}

这个方程非常重要，据说基本上所有跟背包相关的问题的方程都是由它衍生出来的。所以详细的查了一下这个方程的含义：“将前i件物品放入容量为v的背包中”这个子问题，若只考虑第i件物品的策略（放或不放），那么就可以转化为一个只牵扯前i-1件物品的问题。如果不放第i件物品，那么问题就转化为“前i-1件物品放入容量为v的背包中”，价值为f[i-1][v]；如果放第i件物品，那么问题就转化为“前i-1件物品放入剩下的容量为v-c[i]的背包中”，此时能获得的最大价值就是f[i-1][v-c[i]]再加上通过放入第i件物品获得的价值w[i]。

在有的地方看到的背包问题题目中，有两种不太相同的问法。有的题目要求“恰好装满背包”时的最优解，有的题目则并没有要求必须把背包装满。一种区别这两种问法的实现方法是在初始化的时候有所不同。

如果是第一种问法，要求恰好装满背包，那么在初始化时除了f[0]为0其它f[1..V]均设为-∞，这样就可以保证最终得到的f[N]是一种恰好装满背包的最优解。

如果并没有要求必须把背包装满，而是只希望价格尽量大，初始化时应该将f[0..V]全部设为0。

为什么呢？可以这样理解：初始化的f数组事实上就是在没有任何物品可以放入背包时的合法状态。如果要求背包恰好装满，那么此时只有容量为0的背包可能被价值为0的nothing“恰好装满”，其它容量的背包均没有合法的解，属于未定义的状态，它们的值就都应该是-∞了。如果背包并非必须被装满，那么任何容量的背包都有一个合法解“什么都不装”，这个解的价值为0，所以初始时状态的值也就全部为0了。

小结

01背包问题是最基本的背包问题，它包含了背包问题中设计状态、方程的最基本思想，另外，别的类型的背包问题往往也可以转换成01背包问题求解。故仔细体会上面基本思路的得出方法，状态转移方程

某艺的提前招聘后端开发题目就是0-1背包问题。代码：

#include<iostream>  
#include<vector>
using namespace std;
int maxValue(vector<int> &w, vector<int>& p, const int m, const int n){

	vector<vector<int>> dp(m + 1, vector<int>(n + 1, 0));
	for (int i = 1; i <= m; ++i){
		for (int j = 1; j <= n; ++j){

			if (w[j] <= i && (dp[i - w[j]][j - 1] + p[j])>dp[i][j - 1]){
				dp[i][j] = dp[i - w[j]][j - 1] + p[j];
			}
			else{
				dp[i][j] = dp[i][j - 1];
			}
		}
	}
	return dp[m][n];
}
int main()
{
	int m, n;
	while (cin >> m >> n){
		vector<int>  w(n + 1, 0);
		vector<int>  p(n + 1, 0);
		for (int i = 1; i <= n; ++i){
			cin >> w[i];
		}
		for (int i = 1; i <= n; ++i){
			cin >> p[i];
		}
		float ans =static_cast<float>(maxValue(w, p, m, n));
		printf("%.1f", ans/10);
		cout << endl;
	}
	system("pause");
	return 0;
}