动态规划之0-1背包问题

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。