C++ 实现 0-1 背包问题

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/chengonghao/article/details/51915753

1.什么是动态规划


首先介绍一下动态规划...

设计一个动态规划算法,通常可按照以下几个步骤进行:

(1) 找出最优解的性质,并刻画其结构特征。

(2) 递归地定义最优解的值

(3) 以自底而上的方式计算出最优值

(4) 根据计算最优值时得到的信息,构造一个最优解。


对于一个给定的问题,若具有以下两个性质,则可以考虑用动态规划法来求解。

(1) 最优子结构。如果一个问题的最优解中包含了其子问题的最优解,就说该问题具有最优子结构。当一个问题具有最优子结构时,提示我们动态规划法可能会适用,但是此时贪心策略可能也是适用的。

(2) 重叠子问题。指用来解原问题的递归算法可反复地解同样的子问题,而不是总在产生新的子问题。即当一个递归算法不断地调用同一个问题时,就说该问题包含重叠子问题。此时若用分治法递归求解,则每次遇到子问题都会视为新问题,会极大地降低算法的效率,而动态规划法总是充分利用重叠子问题,对于每个子问题仅计算一次,把解保存在一个在需要时就可以查看的表中,而每次查表的时间为常数。


2.0-1背包问题


问题:有n个物品,第i个物品价值为vi,重量为wi,其中vi和wi均为非负数,背包的容量为W,W为非负数。现需要考虑如何选择装入背包的物品,使装入背包的物品总价值最大。该问题以形式化描述如下:

       目标函数为 :     

       约束条件为:

       满足约束条件的任一集合(x1,x2,...,xn)是问题的一个可行解,问题的目标是要求问题的一个最优解。考虑一个实例,假设n=5,W=17, 每个物品的价值和重量如表9-1所示。可将物品1,2和5装入背包,背包未满,获得价值22,此时问题解为你(1,1,0,0,1)。也可以将物品4和5装入背包,背包装满,获得价值24,此时解为(0,0,0,1,1)。

      下面根据动态规划的4个步骤求解该问题。

(1) 刻画0-1背包问题的最优解的结构。

      可以将背包问题的求解过程看作是进行一系列的决策过程,即决定哪些物品应该放入背包,哪些物品不放入背包。如果一个问题的最优解包含了物品n,即xn=1,那么其余x1,x2,...,x(n-1)一定构成子问题1,2,...,n-1在容量W-wn时的最优解。如果这个最优解不包含物品n,即xn=0,那么其余x1,x2,...,x(n-1)一定构成子问题1,2,...,n-1在容量W时的最优解。


(2)递归定义最优解的值

     根据上述分析的最优解的结构递归地定义问题最优解。设c[i,w]表示背包容量为w时,i个物品导致的最优解的总价值,得到下式。显然要求c[n,w]。

 

(3)计算背包问题最优解的值


上代码:

// knapsack.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include <iostream>
#include <string>
#include <vector>

using namespace::std;

/*
	0-1 背包问题(迭代版)
	输入:
		products_count:商品的数量
		capacity:背包的容量
		weight_array:商品重量数组
		value_array:商品价格数组
		result:结果数组
*/
void knapsack(int products_count, int capacity, vector<int>& weight_array, vector<int>& value_array, vector<vector<int>>& result)
{
	for (int i = 1; i <= products_count; ++i)
	{
		for (int j = 1; j <= capacity; ++j)
		{
			if (weight_array[i] > j) // 当前背包的容量 j 放不下第 i 件商品时
			{
				result[i][j] = result[i - 1][j]; // 放弃第 i 件商品,拿第 i - 1 件商品
			}
			else
			{
				int value1 = result[i - 1][j - weight_array[i]] + value_array[i]; // 拿走第 i - 1件商品
				int value2 = result[i - 1][j]; // 不拿走第 i - 1 件商品
				if (value1 > value2)
				{
					result[i][j] = value1;
				}
				else
				{
					result[i][j] = value2;
				}
			}
		}
	}
}

int main()
{

	while (1)
	{
		int products_count, capacity;
		vector<int> weight_array(1, 0);
		vector<int> value_array(1, 0);
		cout << endl<< "-----------------------------" << endl;
		cout << "please input products count and knapsack's capacity: " << endl; // 输入商品数量和背包容量
		cin >> products_count >> capacity;
		cout << "please input weight array for " << products_count << " products" << endl;
		for (int i = 1; i <= products_count; ++i) // 循环输入每件商品的重量
		{
			int tmp;
			cin >> tmp;
			weight_array.push_back(tmp);
		}
		cout << "please input value array for " << products_count << " products" << endl;
		for (int i = 1; i <= products_count; ++i) // 循环输入每件商品的价格
		{
			int tmp;
			cin >> tmp;
			value_array.push_back(tmp);
		}
		vector<vector<int>> result(products_count + 1, vector<int>(capacity + 1, 0)); // 结果数组
		knapsack(products_count, capacity, weight_array, value_array, result); // 调用动态规划算法
		cout << "knapsack result is " << result[products_count][capacity] << endl;
	}

	return 0;
}

输入 5 件商品,重量分别为3、4、7、8、9,价格分别为4、5、10、11、13,背包容量为17

结果如下:



上述代码的时间复杂度为O(商品数量 * 背包容量)。

result 矩阵如下表所示:

 




阅读更多
换一批

没有更多推荐了,返回首页