算法设计与分析-0/1背包问题(动态规划分析)

0/1背包问题

1.分析最优解的结构

​ 0/1背包问题可以形式化表述为一个整数规划问题：
m a x ∑ i = 1 n v i x i       { ∑ i = 1 n w i x i ≤ c x i ∈ { 0 , 1 } 1 ≤ i ≤ n max\sum_{i=1}^n{v_ix_i} \ \ \ \ \ \begin{cases} \sum_{i=1}^n{w_ix_i}\leq c \\ x_i \in \{0,1\} & 1\leq i \leq n \end{cases} maxi=1∑n​vi​xi​     {∑i=1n​wi​xi​≤cxi​∈{0,1}​1≤i≤n​
​ 问题的解为一个n元0-1向量， ( x 1 , x 2 , x 3 , . . . , x n ) ,   x i ∈ { 0 , 1 }   ( 1 ≤ i ≤ n ) (x_1,x_2,x_3,...,x_n),\ x_i \in \{0,1\} \ (1 \leq i \leq n) (x1​,x2​,x3​,...,xn​), xi​∈{0,1} (1≤i≤n)。0/1背包问题具有最优子结构性质，因此可以使用动态规划方法解决。最优子结构性质证明如下：

​ 首先假设原问题的一个最优解为$(x_1,x_2,x_3,...,x_n)$，考虑0/1背包的一个子问题为：
m a x ∑ i = 1 n − 1 v i x i       { ∑ i = 1 n − 1 w i x i ≤ c − w n x n x i ∈ { 0 , 1 } 1 ≤ i ≤ n − 1 max\sum_{i=1}^{n-1}{v_ix_i} \ \ \ \ \ \begin{cases}\sum_{i=1}^{n-1}{w_ix_i}\leq c-w_nx_n\\x_i \in \{0,1\} & 1\leq i \leq n-1\end{cases} maxi=1∑n−1​vi​xi​     {∑i=1n−1​wi​xi​≤c−wn​xn​xi​∈{0,1}​1≤i≤n−1​
​ 则相应的子问题的最优解应该为$(x_1,x_2,x_3,...,x_{n-1})$。假设存在一个解$(x_1^{\prime },x_2^{\prime },x_3^{\prime },...,x_{n-1}^{\prime })$，使${\sum }_{i=1}^{n-1}{v}_i{x}_i^{\prime }>{\sum }_{i=1}^{n-1}{v}_i{x}_i$，由于${\sum }_{i=1}^{n-1}{w}_i{x}_i\le c-w_n{x}_n$，可得${\sum }_{i=1}^{n-1}{w}_i{x}_i+w_n{x}_n\le c$，即存在一个n元0-1向量$(x_1^{\prime },x_2^{\prime },x_3^{\prime },...,x_{n-1}^{\prime },x_n)$是原问题的一个可行解。可以得到：
$$\sum _{i=1}^{n-1}{v}_i{x}_i^{\prime }+v_i{x}_n>\sum _{i=1}^{n-1}{v}_i{x}_i+v_i{x}_n=\sum _{i=1}^n{v}_i{x}_i$$
​ 即这个可行解计算的结果比原问题的最优解要大，这产生了矛盾。因此可以证明0/1背包问题具有最优子结构性质。

2.建立递归关系

​ 设0/1背包问题的子问题为：
m a x ∑ k = 1 i v k x k       { ∑ k = 1 i w k x k ≤ j x k ∈ { 0 , 1 } 1 ≤ k ≤ i max\sum_{k=1}^i{v_kx_k} \ \ \ \ \ \begin{cases} \sum_{k=1}^i{w_kx_k}\leq j \\ x_k \in \{0,1\} & 1\leq k \leq i \end{cases} maxk=1∑i​vk​xk​     {∑k=1i​wk​xk​≤jxk​∈{0,1}​1≤k≤i​
​ 最优解用m(i,j)表示，i表示可选物品1-i，j表示容量为j。根据0/1背包的最优子结构性质，可以得到计算m(i,j)的递归式如下：
i = 1      m ( i , j ) = { 0 0 ≤ j < w i v i w i ≤ j i > 1      m ( i , j ) = { m ( i − 1 , j ) 0 ≤ j < w i m a x { m ( i − 1 , j ) ,   m ( i − 1 , j − w i ) + v i } w i ≤ j i = 1 \ \ \ \ m(i,j)= \begin{cases} 0 & 0\leq j<w_i \\ v_i & w_i \leq j \end{cases} \\ i>1 \ \ \ \ m(i,j)= \begin{cases} m(i-1,j) & 0\leq j < w_i \\ max\{m{(i-1,j), \ m(i-1,j-w_i)+v_i}\} & w_i \leq j \end{cases} i=1    m(i,j)={0vi​​0≤j<wi​wi​≤j​i>1    m(i,j)={m(i−1,j)max{m(i−1,j), m(i−1,j−wi​)+vi​}​0≤j<wi​wi​≤j​

3.计算最优值

​ 根据以上构造的递推关系，进行最优值的计算。

int solution(int m[][c+1],int weight[],int value[],int c,int n){			
    //初始化，当j>=weight[0]，m[0][j]=value[0]
    memset(dp,0,sizeof(dp));
    for(int j=weight[0];j<=c;j++) m[0][j]=value[0];
    for(int i=1;i<n;i++){
        for(int j=0;j<=c;j++){
            if(j<weight[i]) m[i][j]=m[i-1][j];
            else m[i][j]=max(m[i-1][j],m[i-1][j-weight[i]]+value[i]);
        }
    }
    return m[n-1][c];
}

​ 主要的计算量为m[i][j]的计算，因此该算法的时间复杂度为$O(cn)$。

4.构造最优解

​ 根据m[i][j]中记录的信息判断最优解是从哪个子问题产生的，得到结果的0-1向量：

void traceback(int m[][c+1], int weight[] ,int n, int c, int x[]){
    for(int i=1;i<n;i++){
        if(m[i][c]==m[i-1][c]) x[i] = 0;
        else{
            x[i] = c;
            c -= weight[i];
        }
    }
    x[0] = m[0][c]?1:0;
}