本文讲解01背包问题
的动态规划求解,并使用C++
进行了实现
01背包问题
有 n n n个物品,这些物品的重量分别为 w 1 , w 2 , . . . , w n w_1,w_2,...,w_n w1,w2,...,wn,价值分别为 v 1 , v 2 , . . . , v n v_1,v_2,...,v_n v1,v2,...,vn.
现给定一个背包,背包的容量为 C C C,要求从这个 n n n个物品中选择一些物品装进背包,让背包尽可能装满,并使得背包里装的物品的价值最大。
要从这些物品中挑选一些装进背包,对于某一物品而言,只有装和不装两种选择,因此称为01背包问题
动态规划
动态规划是一种算法设计技术,它用来解决类似这样的问题:
一个问题可以被分成很多个阶段,而且任何一阶段的行为都依赖于该阶段前面的状态,但是该阶段前面的状态是如何得来的与该阶段无关。我们称这样的过程为多阶段决策过程。
事实上,动态规划就是解决多段决策过程最优问题的一种方法。
在使用动态规划法求解问题时,被求解的问题应满足最优性原则:
一个最优问题的任何实例的最优解是由该实例的子实例的最优解组成的(子问题最优,全局才能最优)。
拿斐波那契数列来说:
- 如果我们直接使用递归表达式求解的话回耗费很大内存且会被重复计算
- 而如果我们正向计算,把每一次计算的结果保存起来,则只需要进行加法运算,则大大地方便了计算
因此,对于交叠子问题的求解,我们也可以使用这种方式:
对交叠子问题的每个较小子问题求解一次后记录在表中,就可以从表中得到原始问题的解
01背包问题的动态规划求解
我们这里举例说明背包问题的动态规划求解
背包容量为5
,各种物品的重量及价值如下:
物品 | 重量 | 价值 |
---|---|---|
1 | 2 | 12 |
2 | 1 | 10 |
3 | 3 | 20 |
4 | 2 | 15 |
正如前面我们所分析的,我们通过填表的方式利用动态规划的方式求解的话能够大大地简化问题的求解:
我们用
V
(
i
,
j
)
V(i,j)
V(i,j)表示将前i
个物品放到容量为j
的背包中时最优解的物品总价值,则在装入物品的时候我们有两种情况:
- 第
i
个物品不能被放入背包,则背包的价值为原先没有装入第i
个物品时的价值:
V ( i , j ) = V ( i − 1 , j ) V(i,j) = V(i - 1,j) V(i,j)=V(i−1,j) - 可将物品放入背包,应对放入物品放入背包后的情况进行评估,如果放入后背包的价值增加,则放入,否则不放入,价值为原来的没有放入时的价值:
V ( i , j ) = m a x { V ( i − 1 , j ) , v i + V ( i − 1 , j − w i ) } V(i,j) = max\{ V(i - 1,j),{v_i} + V(i - 1,j - {w_i})\} V(i,j)=max{V(i−1,j),vi+V(i−1,j−wi)}
即:
我们对背包容量为0
到5
填表,得到表的情况如下:
重量 | 价值 | i i i\ j j j | 0 | 1 | 2 | 3 | 4 | 5 |
---|---|---|---|---|---|---|---|---|
0 | 0 | 0 | 0 | 0 | 0 | 0 | ||
2 | 12 | 1 | 0 | 0 | 12 | 12 | 12 | 12 |
1 | 10 | 2 | 0 | 10 | 12 | 22 | 22 | 22 |
3 | 20 | 3 | 0 | 10 | 12 | 22 | 30 | 32 |
2 | 15 | 4 | 0 | 10 | 15 | 25 | 30 | 37 |
最终的最优解为表的后一个元素37
01背包问题的动态规划求解-C++实现
#include <iostream>
using namespace std;
int knapsack(int num,int capacity,int weight[],int value[]){//使用动态规划求解0-1背包问题
/*
@parameters:
@num:物品数量,整数类型
@capacity:背包容量,整数类型
@weight:各个物品的重量,数组类型
@value:各个物品的价值,数组类型
*/
int space,sub_cap,total_value[num+1][capacity+1];
for(int i=0;i<=num;i++)for(int j=0;j<=capacity;j++)total_value[i][j]=0;//初始化记忆表格
for(sub_cap=1;sub_cap<=capacity;sub_cap++){
for(space=1;space<=num;space++){
if(sub_cap>=weight[space-1]){//判断是否能不能装下
//能装下,判断装了以后是不是背包的价值更大了
total_value[space][sub_cap]=max(total_value[space-1][sub_cap],total_value[space-1][sub_cap-weight[space-1]]+value[space-1]);
}else{
//装不下的话背包价值还是没有装之前的价值
total_value[space][sub_cap]=total_value[space-1][sub_cap];
}
}
}
return total_value[num][capacity];
}
int main(){
int num=4,capacity=5,weight[]={2,1,3,2},value[]={12,10,20,15};
cout<<knapsack(num,capacity,weight,value);
return 0;
}
代码的运行结果为:
37
才疏学浅,难免有错误和不当之处,欢迎交流批评指正!
同时有问题的话欢迎留言或邮箱联系(ljt_IT@163.com)。