1、动态规划(DP)
动态规划(Dynamic Programming,DP)与分治区别在于划分的子问题是有重叠的,解过程中对于重叠的部分只要求解一次,记录下结果,其他子问题直接使用即可,减少了重复计算过程。
另外,DP在求解一个问题最优解的时候,不是固定的计算合并某些子问题的解,而是根据各子问题的解的情况选择其中最优的。
动态规划求解具有以下的性质:
最优子结构性质、子问题重叠性质
最优子结构性质:最优解包含了其子问题的最优解,不是合并所有子问题的解,而是找最优的一条解线路,选择部分子最优解来达到最终的最优解。
子问题重叠性质:先计算子问题的解,再由子问题的解去构造问题的解(由于子问题存在重叠,把子问题解记录下来为下一步使用,这样就直接可以从备忘录中读取)。其中备忘录中先记录初始状态。
2、求解思路
①、将原问题分解为子问题(子问题和原问题形式相同,且子问题解求出就会被保存);
②、确定状态:01背包中一个状态就是个物体中第个是否放入体积为背包中;
③、确定一些初始状态(边界状态)的值;
④、确定状态转移方程,如何从一个或多个已知状态求出另一个未知状态的值。(递推型)
3、01背包问题求解思路
①、确认子问题和状态
01背包问题需要求解的就是,为了体积V的背包中物体总价值最大化,件物品中第件应该放入背包中吗?(其中每个物品最多只能放一件)
为此,我们定义一个二维数组,其中每个元素代表一个状态,即前个物体中若干个放入体积为背包中最大价值。数组为:,其中表示前件中若干个物品放入体积为的背包中的最大价值。
②、初始状态
初始状态为和都为0,前者表示前0个物品(也就是空物品)无论装入多大的包中总价值都为0,后者表示体积为0的背包啥价值的物品都装不进去。
③、转移函数
-
if (背包体积j小于物品i的体积)
-
f[i][j] = f[i-1][j] //背包装不下第i个物体,目前只能靠前i-1个物体装包
-
else
-
f[i][j] = max(f[i-1][j], f[i-1][j-Vi] + Wi)
最后一句的意思就是根据“为了体积V的背包中物体总价值最大化,件物品中第件应该放入背包中吗?”转化而来的。表示第件物体的体积,表示第件物品的价值。这样f[i-1][j]代表的就是不将这件物品放入背包,而f[i-1][j-Vi] + Wi则是代表将第i件放入背包之后的总价值,比较两者的价值,得出最大的价值存入现在的背包之中。
#include <iostream>
#include <vector>
#include <iomanip>
using namespace std;
void Init2Array(vector<vector<int> > &c, int row,int col)
{
c.resize(row);
for(int i = 0;i<row;++i)
{
c[i].resize(col,0);
}
}
void Print2Array(vector<vector<int> > &c)
{
int row = c.size();
int col = c[0].size();
for(int i = 0;i<row;++i)
{
for(int j = 0;j<col;++j)
{
cout<<setw(4)<<c[i][j];
}
cout<<endl;
}
cout<<endl;
}
// m(i,j) i == n => j>=W[n]? V[n]:0;
// i < n
// j<W[i] => m(i+1,j)
int Kanpsack(int *W,int *V,int i,int n,int j,
vector<vector<int> > &m)
{
if(i == n) //Kanpsack(W,V,1,n,c,m)
{
m[i][j] = j>=W[n]? V[n]:0;
}else if(m[i][j] > 0) //m[1][10]
{
return m[i][j];
}else if(j < W[i])
{
m[i][j] = Kanpsack(W,V,i+1,n,j,m);//m[2][10]
}else
{
int maxv1 = Kanpsack(W,V,i+1,n,j,m);
int maxv2 = Kanpsack(W,V,i+1,n,j-W[i],m) + V[i];
m[i][j] = maxv1 > maxv2 ? maxv1:maxv2;
}
return m[i][j];
}
void TrackBack(int *W,vector<vector<int> >&m,int n,int c,bool *X)
{
for(int i = 1;i<n;++i)
{
if(m[i][c] != m[i+1][c])
{
X[i] = true;
c = c - W[i];
}
}
if(m[n][c] != 0)
{
X[n] = true;
}
}
int ResKanpsack(int *W,int *V,int i,int j,vector<vector<int> > &m)
{
if(i == 1)
{
m[i][j] = j >=W[i]? V[i]:0;
}else if(m[i][j] > 0)
{
return m[i][j];
}else if(j < W[i])
{
m[i][j] = ResKanpsack(W,V,i-1,j,m);
}
else
{
int maxv1 = ResKanpsack(W,V,i-1,j,m);
int maxv2 = ResKanpsack(W,V,i-1,j-W[i],m)+V[i];
m[i][j] = maxv1 > maxv2? maxv1:maxv2;
}
return m[i][j];
}
int NiceResKanpsack(int *W,int *V,int n,int c,
vector<vector<int> > &m)
{
for(int i = 0;i<=n;++i) m[i][0] = 0;
for(int j = 0;j<=c;++j) m[0][j] = 0;
for(int j = 1;j<=c; ++j)
{
m[1][j] = j >=W[1] ? V[1] : 0;
}
for(int i = 2;i<=n;++i)
{
for(int j = 1;j<=c;++j)
{
if(j < W[i])
{
m[i][j] = m[i-1][j];
}else
{
m[i][j] = max(m[i-1][j],m[i-1][j-W[i]] + V[i]);
}
}
}
return m[n][c];
}
int main()
{
const int n = 5;
const int c = 10;
int W[n+1]={0,2,2,6,5,4};//重量
/// 0 1 2 3 4 5
int V[n+1]={0,3,6,5,4,6};//价值
bool X[n+1]={0,0,0,0,0,0};
vector<vector<int> > m;
Init2Array(m,n+1,c+1);
//int maxv = Kanpsack(W,V,1,n,c,m);
//int maxv = ResKanpsack(W,V,n,c,m);
int maxv = NiceResKanpsack(W,V,n,c,m);
cout<<"maxv : "<<maxv<<endl;
Print2Array(m);
for(int i =1; i<=n; i++) {
printf("%d ", X[i]);
}
printf("\n");
TrackBack(W,m,n,c,X);
for(int i =1; i<=n; i++) {
printf("%d ", X[i]);
}
return 0;
}