【动态规划（三）】经典背包问题

最新推荐文章于 2021-12-12 00:39:51 发布

Angry_Caveman

最新推荐文章于 2021-12-12 00:39:51 发布

阅读量399

点赞数

分类专栏：常用算法

本文链接：https://blog.csdn.net/Angry_Caveman/article/details/77182516

版权

常用算法专栏收录该内容

7 篇文章 0 订阅

订阅专栏

1.1介绍

背包问题属于比较经典的动态规划问题，此处只记录了比较基础的三类，供初学者参考练习。较为复杂的背包问题可以阅读dd大牛的《背包九讲》，讲解的比较详细，当然也有一定的难度，也不需要一开始就要求自己全部精通，学习应量力而行，循序渐进。

1.2 01背包问题

1.2.1问题及其解析

问题：一个背包总容量为V，现在有N个物品，第i个物品体积为weight[i]，价值为value[i]，现在往背包里面装东西，怎么装能使背包的内物品价值最大？
（1）为何称为01背包问题？所谓01其实就是对于某个物品选还是不选，所以下次再听见“To be or not to be”就应该想到，这不是哲学问题而是个01问题（这大概属于Coder的特殊脑回路）。
（2）假设A是N个物品之一，那么怎么确定选不选A呢？
（3）首先，A的体积要小于V；
（4）其次，加入后A的整体价值要大于没加入时的整体价值；
（5）运用动态规划的思想，V0=1。。。。。。V-1，最后V0=V时，是基于某一个V0对应的体积和整体价值。
（6）某一个V0是哪一个V0？V0=V-Weight[i]。

（7）也就得到该方程：Dp[i][j]=Max(Dp[i-1][j],Dp[i-1][j-Weight[i]]+Vlaue[i]);

1.2.2源码

此处使用定值！

#include<iostream>
using namespace std;
#define V 10
#define N 5
#define max(a,b) (a)>(b)?(a):(b)
double Dp[N+1][V+1];
int main(){
	int Weight[N+1]={0,2,3,1,2,5}; //第一个不用
	int Value[N+1]={0,2,2,4,5,1};
	int i,j;
	
	for(i=1;i<=N;i++){
		for(j=1;j<=V;j++){
			if(Weight[i]<=j){
				Dp[i][j]=max(Dp[i-1][j],Value[i]+Dp[i-1][j-Weight[i]]);
			}
			else
				Dp[i][j]=Dp[i-1][j];
		}
	}
	cout <<Dp[N][V];
	return 0;
}

注释：一种优化的解法

（1）这里简化成了一维数组Dp。

（2）求Dp[i]时只需知道上一个（Dp[i-1]）是什么状态。

（3）最直观的方法是设断点去看Dp数组的值，其实5次大循环，对应上述二维数组是Dp[i]=Dp[i][]，对照着小面给出的结果就很明了了。

（4）为什么内循环是倒叙？因为需要确保Dp[i][j]的值来源于Dp[i-1][j-Weight[i]]。不会更改到小于Weight[i]的值。

#include<iostream>
using namespace std;
#define V 10
#define N 5
#define max(a,b) (a)>(b)?(a):(b)
double Dp[V+1]//全局变量，自动初始化为0 
int main(){
	int Weight[N+1]={0,2,3,1,2,5}; //第一个不用
	int Value[N+1]={0,2,2,4,5,1};
	int i,j;
	  for (int i=1; i<=N; i++)  {
        for (int j=V; j>=1; j--)  
        {  
            if (Weight[i]<=j)  
            {  
                Dp[j]=max(Dp [j],Dp[j-Weight[i]]+Value[i]);  
            }             
        }  
	  } 
    cout<< Dp [V]<<endl;//输出最优解 
	return 0;
}

1.2.3 结果

行开头为：行号（重量，价值），列为1到V的变化

1.3完全背包问题

1.3.1解析

问题：有N种物品和一个容量为V的背包，每种物品都有无限件可用。第i种物品的体积为weight[i]，价值为value[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量，且价值总和最大。

（1）与01背包问题不同，这次某个物品不只一个，而是有无限个。

（2）之前是Dp[i][j]=Max(Dp[i-1][j],Dp[i-1][j-Weight[i]]+Vlaue[i]);而现在应该是Dp[i][j]=Max(Dp[i-1][j],Dp[i][j-Weight[i]]+Vlaue[i]);

（3）为什么？因为有无限个，不需要再去讨论它之前有没有放入过了，而01的想法是这次放入那么意味着上次没有这个，所以 Dp[i-1]。

1.3.2源码

#include<iostream>
using namespace std;
#define V 10
#define N 5
#define max(a,b) (a)>(b)?(a):(b)
double Dp[N+1][V+1];  
int main(){
	int Weight[N+1]={0,2,3,1,2,5}; //第一个不用
	int Value[N+1]={0,2,2,4,5,1};
	int i,j;
	for(i=1;i<=N;i++){
		for(j=1;j<=V;j++){
			if(Weight[i]<=j){
						Dp[i][j]=max(Dp[i][j],Value[i]+Dp[i][j-Weight[i]]);
			}
		}
	}
	cout <<Dp[N][V]; 
	return 0;
}

注释：一种优化的解法

（1）内循环在01背包问题优化的情况下改成顺序循环即可

（2）为什么？不需要确保Dp[i][j]的值来基于Dp[i-1][j-Weight[i]]

#include<iostream>
using namespace std;
#define V 10
#define N 5
#define max(a,b) (a)>(b)?(a):(b)
double Dp[V+1] 
//全局变量，自动初始化为0  
int main(){
	int Weight[N+1]={0,2,3,1,2,5}; //第一个不用
	int Value[N+1]={0,2,2,4,5,1};
	int i,j;
	 for (int i=1; i<=N; i++)  
        for (int j=1; j<=V; j++)  
        {  
            if (Weight[i]<=j)  
            {  
                f[j]=max(f[j],f[j-Weight[i]]+Value[i]);  
            }             
        }  
      
    cout<<f[V]<<endl;//输出最优解  
	return 0;
}