背包问题第二种形式的递推方程

背包问题第二种形式的递推方程

Ⅰ.第一种递推方程

• 背包问题是动态规划问题的经典问题，在我之前的博客里已经讨论过。正常的递推方程是这样的。

  F k ( y ) = m a x { F k − 1 ( y ) , F k ( y − v k ) + w k } F_k(y) = max\{F_{k-1}(y),F_k(y-v_k)+w_k\} Fk​(y)=max{Fk−1​(y),Fk​(y−vk​)+wk​}

• 其主要思想是这样的，第k种物品选不选，如果不选的话，那么就是$F_{k-1}(y)$。如果选的话，就是$F_k(y-v_k)+w_k$，我们注意到这时F的下标仍然是k，因为在取得最大价值的解法里第k种物品可能被选择了多次。如果变成了$F_{k-1}(y-v_k)+w_k$，那么说明第k种物品只能选择一次，变成01背包问题了。

Ⅱ.第二种递推方程

• 在学习算法与设计4.3对贪心法得不到最优解情况的处理这一节中，我看到了一个找零钱问题，大体是这样一个问题：有n种不同的硬币，它们的币值各不相同，第一个硬币的币值是1。现在需要用这些硬币付款的总数是Y，让我们求如何选择硬币使得付钱的硬币最轻。

• 我们看到这和背包问题非常类似。找两个规模参数，一个选择前k个硬币，一个是总钱数y。所以我写下了背包问题相同的递归方程，也就是上文写的。但是我惊奇的发现书上的递归方程不太一样。

  F k + 1 = m i n 0 ⩽ x k + 1 ⩽ ⌊ y v k + 1 ⌋ { F k ( y − v k + 1 x k + 1 ) + w k + 1 x k + 1 } F_{k+1}=\underset {0\leqslant x_{k+1} \leqslant \lfloor \frac{y}{v_{k+1}} \rfloor}{min} \{F_k({y-v_{k+1}x_{k+1})+w_{k+1}x_{k+1}}\} Fk+1​=0⩽xk+1​⩽⌊vk+1​y​⌋min​{Fk​(y−vk+1​xk+1​)+wk+1​xk+1​}

• 其中v表示硬币的币值，w表示某硬币的个数，x表示选择某硬币的个数

• 思考过后，我发现这是背包问题的第二种形式的递推方程，和原始的递推方程等价。

• 于是我把背包问题的代码按照这个递推方程改了一下，得到了和之前一样的结果。

  //背包问题 旅行者有一个背包，可以放入背包的物品有n种，物品j的重量和价值分别是w[j]和v[j].如果背包的最大重量限制是b，怎么样选择放入背包的物品使得背包的价值最大？
  //输入 每个物品的体积和价值 和背包限制b
  //输出 最大价值和具体每个物品如何选取
  #include <iostream>
  #include <algorithm>
  using namespace std;
  
  int main()
  {
      int w[5] = {0, 2, 3, 4, 7};   //每个物品的重量w[0]弃用
      int v[5] = {0, 1, 3, 5, 9};   //每个物品的价值v[0]弃用
      int b = 10;                   //背包限制
      int F[5][11] = {0};           //F[k][y]表示在选择前k个物品，并且背包限重y时，取得的最大收益
      int number[5][11] = {0};      //number[k][y]表示当背包限重为y时，选择k这个物品的个数
      for (int i = 1; i <= 10; i++) //当只取第一种物品的时候，用当前钱购买尽可能多的数量，便能取得最大收益
      {
          number[1][i] = i / w[1]; //选择第一种物品的个数
          F[1][i] = i / w[1] * v[1];
      }
      for (int i = 2; i <= 4; i++) //枚举选择前2个物品..前3个..前4个
      {
          for (int j = 1; j <= 10; j++) //枚举背包大小 从1到10
          {
              for (int x = 0; x <= j / w[i]; x++) //枚举选择第k个物品有几个
              {
                  int tmp;
                  if (j - x * w[i] >= 0)                       //如果能够放下x个物品i
                      tmp = F[i - 1][j - x * w[i]] + v[i] * x; //代表第k个物品选x个，剩下的空间从前k-1个物品中选择
                  else
                      tmp = 0;
                  if (tmp > F[i][j])
                  {
                      number[i][j] = x;
                      F[i][j] = tmp;
                  }
              }
          }
      }
      cout << "最大收益:" << F[4][10] << endl;
      int space = 10;
      for (int i = 4; i > 0; i--)
      {
          cout << "第四件物品：" << number[i][space] << endl;
          space -= number[i][space] * w[i];
      }
      return 0;
  }
  

• 运行结果