背包问题以及动态规划复习

背包问题(Knapsack problem)是一种组合优化的NP完全问题。问题可以描述为：给定一组物品，每种物品都有自己的重量和价格，在限定的总重量内，我们如何选择，才能使得物品的总价格最高。
一个背包的总容量为V,现在有N类物品,第i类物品的重量为weight[i],价值为value[i]
那么往该背包里装东西,怎样装才能使得最终包内物品的总价值最大。这里装物品主要由三种装法：
1、0-1背包：每类物品最多只能装一次
2、多重背包：每类物品都有个数限制，第i类物品最多可以装num[i]次
3、完全背包：每类物品可以无限次装进包内

我们有n种物品，物品j的重量为wj，价格为pj。

我们假定所有物品的重量和价格都是非负的。背包所能承受的最大重量为W。

可以用公式表示为：

如果限定物品j最多只能选择bj个，则问题称为有界背包问题。

可以用公式表示为：

如果不限定每种物品的数量，则问题称为无界背包问题。

各类复杂的背包问题总可以变换为简单的0-1背包问题进行求解。 

无界背包问题例题见收藏

动态规划建模关键设置好以下变量：

1. 阶段：第k阶段装载k种物品
2. 状态变量xk：第k次装载时背包还可以装载的容量,0≤xk≤W
3. 决策变量dk:第k次装载k种物品的数量
4. 决策变量允许集合：Dk(xk)  0≤dk≤xk/wk
5. 状态转移方程: xk+1=xk-dk*wk
6. 阶段指标：vk=ck*dk
7. 递推方程：fk(xk)(理解成每阶段最优收益函数)=max{ck*dk + fk+1(xk+1)}
8. 边界条件：fn+1(xn+1)=0

思想：本阶段的决策会影响到下个阶段的状态变量，下一阶段的状态变量及对应的最优决策都已经求得，因此只用考虑本阶段状态根据指标函数确定最优决策