动态规划-背包问题、兑换零钱问题、旅行商问题

最新推荐文章于 2024-08-12 21:02:24 发布

怂怂的程序员

最新推荐文章于 2024-08-12 21:02:24 发布

阅读量2k

点赞数 1

分类专栏：算法入门文章标签：动态规划背包问题兑换零钱问题旅行商问题递归

本文链接：https://blog.csdn.net/hanhusou1149/article/details/78386065

版权

本文详细探讨了动态规划在解决背包问题和兑换零钱问题中的应用。首先介绍了0/1背包问题，包括问题描述、解决思路、递推公式，并提供了Python实现。接着讲解了兑换零钱问题，同样阐述了解题方法、递推关系，并展示如何通过Python求解实际解。最后，预告了旅行商问题的讨论，虽然未深入，但给出了问题的基本类型。

摘要由CSDN通过智能技术生成

背包问题

问题介绍

假定需要将Goods={g₁,g₁,…g_n}放入容量为ALL的背包内，volume_j代表第i个物品的体积，value_j代表第j个物品的价值。我们要把这些物品装进背包，这些物品的体积不超过ALL，而且要使它们的总价值达到最大。因为背包不可包含一个以上的同类物品，所以一般称这样的背包问题为0/1背包问题，完全背包问题类似于兑换零钱问题。

解决思路

设C[i,j]表示从前i项{g₁,g₁,…g_n}取出来装入体积为j的背包的物品的最大价值，其中i∈[0,n]，j∈[0,ALL]，最终chart[n,ALL]是我们最终想要得到的结果。可以通过观察得到以下结论：
C[i,j]为下面两个量的最大值。
①V[i-1,j]:使用最优的方法将{g₁,g₁,…g_i-1}放入容量为j的背包所得的最大价值。
②V[i-1,j-volume_i]+value[i]:使用最优的方法将{g₁,g₁,…g_i-1}放入容量为j-volume_i的背包所得的最大价值再加上物品g_i的价值。

递推式

$C (i, j) = ⎧ ⎩ ⎨ 0, C [i - 1, j], m a x (C [i - 1, j], C [i - 1, j - v o l u m e i] + v a l$