0-1背包问题详解(DP&分支限界&回溯三种方法)

0-1背包

将n个项目的权重和值，放入一个容量为W的背包中，得到背包中最大的总价值。换句话说，给定两个整数数组val[0..n - 1]和wt [0 . .n-1]，分别表示与n个项目相关的值和权重。同样，给定一个表示背包容量的整数W，找出val[]的最大值子集，使该子集的权值之和小于或等于W。

DP解决

动态规划

一个简单的解决方案是考虑项目的所有子集并计算所有子集的总权重和值。考虑唯一子集的总重量小于w .从所有这些子集,选择最大价值的子集。

1)最优子结构

要考虑所有项目的子集，每个项目可以有两种情况:

1. 项目包含在最优子集中
2. 不属于最优集。

因此，从n个项目中可以得到的最大值是以下两个值中的最大值。

1.  n-1项和W权值的最大值(不含第n项)。
2. 第n项的值加上n-1项的最大值和W减去第n项(包括第n项)的权重。

如果第n项的权值大于W，则不能包含第n项，情况1是唯一的可能。

2)重叠子问题

下面是递归实现，它简单地遵循上面提到的递归结构。

/* 一个简单的递归实现0-1背包问题 */
#include<stdio.h> 
  
//返回两个整数最大值的实用函数
int max(int a, int b) { return (a > b)? a : b; } 
  
// 返回可放入容量为W的背包中的最大值 
int knapSack(int W, int wt[], int val[], int n) 
{ 
   // 基本情况
   if (n == 0 || W == 0) 
       return 0; 
  
   // 如果第n项的重量大于背包容量W，则
   //这一项不能包含在最优解中   
       if (wt