首先介绍一下动态规划...
设计一个动态规划算法,通常可按照以下几个步骤进行:
(1) 找出最优解的性质,并刻画其结构特征。
(2) 递归地定义最优解的值
(3) 以自底而上的方式计算出最优值
(4) 根据计算最优值时得到的信息,构造一个最优解。
对于一个给定的问题,若具有以下两个性质,则可以考虑用动态规划法来求解。
(1) 最优子结构。如果一个问题的最优解中包含了其子问题的最优解,就说该问题具有最优子结构。当一个问题具有最优子结构时,提示我们动态规划法可能会适用,但是此时贪心策略可能也是适用的。
(2) 重叠子问题。指用来解原问题的递归算法可反复地解同样的子问题,而不是总在产生新的子问题。即当一个递归算法不断地调用同一个问题时,就说该问题包含重叠子问题。此时若用分治法递归求解,则每次遇到子问题都会视为新问题,会极大地降低算法的效率,而动态规划法总是充分利用重叠子问题,对于每个子问题仅计算一次,把解保存在一个在需要时就可以查看的表中,而每次查表的时间为常数。
问题:有n个物品,第i个物品价值为vi,重量为wi,其中vi和wi均为非负数,背包的容量为W,W为非负数。现需要考虑如何选择装入背包的物品,使装入背包的物品总价值最大。该问题以形式化描述如下:
目标函数为 :
约束条件为:
满足约束条件的任一集合(x1,x2,...,xn)是问题的一个可行解,问题的目标是要求问题的一个最优解。考虑一个实例,假设n=5,W=17, 每个物品的价值和重量如表9-1所示。可将物品1,2和5装入背包,背包未满,获得价值22,此时问题解为你(1,1,0,0,1)。也可以将物品4和5装入背包,背包装满,获得价值24,此时解为(0,0,0,1,1)。
下面根据动态规划的4个步骤求解该问题。
(1) 刻画0-1背包问题的最优解的结构。
可以将背包问题的求解过程看作是进行一系列的决策过程,即决定哪些物品应该放入背包,哪些物品不放入背包。如果一个问题的最优解包含了物品n,即xn=1,那么其余x1,x2,...,x(n-1)一定构成子问题1,2,...,n-1在容量W-wn时的最优解。如果这个最优解不包含物品n,即xn=0,那么其余x1,x2,...,x(n-1)一定构成子问题1,2,...,n-1在容量W时的最优解。
(2)递归定义最优解的值
根据上述分析的最优解的结构递归地定义问题最优解。设c[i,w]表示背包容量为w时,i个物品导致的最优解的总价值,得到下式。显然要求c[n,w]。
(3)计算背包问题最优解的值
上代码:
#include <iostream>
using namespace std;
/***
c[i][w]表示背包容量为w时,i个物品导致的最优解的总价值,大小为(n+1)*(w+1)
v[i]表示第i个物品的价值,大小为n
w[i]表示第i个物品的重量,大小为n
***/
void DP(int n, int W, int c[][18], int *v, int *wei)
{
memset(*c, 0, (W+1)*sizeof(int));
for (int i = 1; i <= n; i++)
{
c[i][0] = 0;
for (int w = 1; w <= W; w++)
{
if (wei[i-1] > w) //此处比较是关键
{
c[i][w] = c[i-1][w];
}
else
{
int temp = c[i-1][w-wei[i-1]] + v[i-1]; //注意wei和v数组中的第i个应该为wei[i-1]和v[i-1]
if (c[i-1][w] > temp)
{
c[i][w] = c[i-1][w];
}
else
c[i][w] = temp;
}
}
}
}
void findPath(int c[][18], int *x, int *wei, int n, int W)
{
int w = W;
for (int i = n; i >= 2; i--)
{
if (c[i][w] == c[i-1][w])
{
x[i-1] = 0;
}
else
{
x[i-1] = 1;
w = w - wei[i-1];
}
}
if (c[1][w] == 0)
x[0] = 0;
else
x[0] = 1;
}
int main()
{
int n = 5;
int W = 17;
int w[] = {3, 4, 7, 8, 9};
int v[] = {4, 5, 10, 11, 13};
int c[6][18] = {0};
DP(n, W, c, v, w);
cout<<c[5][17]<<endl;
int x[5];
findPath(c, x, w, n, W);
for (int i = 0; i < n; i++)
cout<<x[i]<<" ";
}
上述代码的时间复杂度为O(nw)。
c[i][w]矩阵如下表所示:
(4)根据计算的结果,构造问题最优解。
根据上一步计算的c数组,很容易构造问题的最优解。判断c[i,w]与c[i-1,w]的值是否相等,若相等,则说明xi=0,否则为1。具体代码在3中。