本系列所有代码https://github.com/YIWANFENG/Algorithm-github
0-1背包
给定N中物品和一个背包。物品i的重量是Wi,其价值位Vi ,背包的容量为C。问应该如何选择装入背包的物品,使得转入背包的物品的总价值为最大?
且对于物品i只有装一次或者一次不装两种选择。
令m(i,j)表示后i到n (1<=i<=n)个物品中能够装入容量为j(1<=j<=C)的背包中的物品的最大价值,则可以得到如下的动态规划函数:
m(n,j) = vn j>=wn;
(2) m(n,j) = 0 0<=j<wn;
(3) m(i,j)=m(i+1,j) 0<=j<wi
(4) m(i,j)=max{m(i+1,j) ,m(i+1,j-wi)+vi)} j>wi
(3) 式表明:如果第i个物品的重量大于背包的容量,则装入i物品得到的最大价值和装入i+1物品得到的最大价是相同的,即物品i不能装入背包;第(4)个式子表明:如果第i个物品的重量小于背包的容量,则会有一下两种情况:(a)如果把第i个物品装入背包,则背包物品的价值等于第i+1个物品装入容量位j-wi 的背包中的价值加上第i个物品的价值vi; (b)如果第i个物品没有装入背包,则背包中物品价值就等于把i+1后物品装入容量为j的背包中所取得的价值。显然,取二者中价值最大的作为把后i个物品装入容量为j的背包中的最优解。
(1)(2) 确定了边界。
以上是为了配合代码从后向前分析,其实我们完全可以从前向后分析,
那么:
m(1,j) = 0; 0<=j<wi;
m(1,j) = v1; j>wi;
m(i,j) = m(i-1,j); 0<=j<wi;
m(I,j) = max{ m(i-1,j) , m(i-1,j-wi)+vi}; j>wi;
Code:
template<class T_>
void Knapsack(T_ v[],intw[],int c,int n,T_ m[])
{
//v[]/w[] 每物品价值 /重量
//c背包容量,n物品个数,m最优值结果
//m[i][j] 表示背包容量为j ,可选物品为 {i,i+1,...,n}时的最优解
int jMax = w[n]-1>c?c:w[n]-1;
for(int j=0; j<=jMax; j++) m[n*(c+1)+j]=0;
for(int j=w[n]; j<=c; j++) m[n*(c+1)+j] = v[n];
for(int i=n-1; i>1; i--) {
//计算第i物品,放入背包时的最优值。
jMax =w[i]-1>c?c:w[i]-1;
for(int j=0;j<=jMax; j++)
m[i*(c+1)+j] = m[(i+1)*(c+1)+j];
for(int j=w[i];j<=c; j++) {
T_ bb = (m[(i+1)*(c+1)+(j-w[i])]+v[i]);
m[i*(c+1)+j] = m[(i+1)*(c+1)+j]>bb?m[(i+1)*(c+1)+j]:bb;
}
//只计算i=1时最后一个,节省一点计算
m[c+1+c]=m[2*(c+1)+c];
if(c>=w[1]) {
T_ cc = m[2*(c+1)+(c-w[1])]+v[1];
m[c+1+c] = m[c+1+c]>cc?m[c+1+c]:cc;
}
}
}
template<class T_>
void Traceback(T_m[],int w[],int c,int n,int x[])
{
//m[i][j] 表示背包容量为j ,可选物品为 {i,i+1,...,n}时的最优解
//w[] 每物品价值 /重量
//c背包容量,n物品个数
//x[]选择结果序列
int current_c=c;
for(int i=1; i<n; ++i) {
if(m[i*(c+1)+current_c]== m[(i+1)*(c+1)+current_c]) x[i] = 0;
else {
x[i]=1;
current_c-= w[i];
}
}
x[n]=(m[n*(c+1)+current_c])?1:0;
}
int main()
{
int n=5;
int c= 10;
int w[]={0,2,2,6,5,4};
int v[]={0,6,3,5,4,6};
int m[(n+1)*(c+1)];
Knapsack(v,w,c,n,m);
cout<<"最优值"<<m[c+1+c]<<endl;
int x[5+1];
Traceback(m,w,c,n,x);
cout<<"Select: ";
for(int i=1; i<=n; ++i) {
cout<<x[i]<<'';
}
cout<<endl;
cin.get();
return 0;
}
流水作业调度
n个作业{1,2,…,n}要在由2台机器M1和M2组成的流水线上完成加工。每个作业加工的顺序都是先在M1上加工,然后在M2上加工。M1和M2加工作业i所需的时间分别为ai和bi。流水作业调度问题要求确定这n个作业的最优加工顺序,使得从第一个作业在机器M1上开始加工,到最后一个作业在机器M2上加工完成所需的时间最少。
整数线性规划
设m(i,j) 为选择前I 项,总资源为j时的最优回报值。
Wi为投资i单位所需资源
Vi 为投资I 后单位所获回报
Xi 为投资I 多少单位
那么类似01背包可得
M(1,j) = 0 , j<wi;
M(1,j)=k* v1 ,k*w1 <=j<(k+1)w1;
M(i,j) = m(i-1,j) , j<wi;
M(i,j) = max{ m(i-1,j) ,max{m(i-1,j-x*wi)+x*vi}(1<=x<=k)} , k*wi<=j<(k+1)wi;
Code:
void how_to_invest(intn,int all,int w[],int v[])
{
//n个选项 all=所有资源
//x[i]/w[i]/v[i] 第i个项目投资了多少单位/单位需求资源数/单位回报数
//m[i][j]为选择前i项,总资源为j时的最优回报值。
//X[i][j]该最由下投资第i物品多少单位
for(int i=1; i<=n; i++) m[i][0]=0;
for(int i=1; i<w[1]; i++) m[1][i]=0;
for(int i=w[1]; i<=all; i++) {
m[1][i] =int(i/w[1])*v[1];
X[1][i] =int(i/w[1]);
}
//for(int i=1; i<=all; i++)cout<<m[1][i]<<endl;
for(int i=2; i<=n; i++) {
//从前向后
int Jmax =all<(w[i]-1)?all:w[i]-1;
for(int j=1;j<=Jmax; j++) { //j<w[i];
m[i][j] = m[i-1][j];
X[i][j]=0;
}
for(int j=w[i];j<=all; j++) { //j>=w[i];
//max{m(i-1,j-x*wi)+x*vi}(1<=x<=k)}
int Mmax = 0;
int k = int(j/w[i]);
for(int x=w[i]; x<=k; x++) {
if(Mmax<m[i-1][j-x*w[i]]+x*v[i]){
X[i][j]=x;
Mmax = m[i-1][j-x*w[i]]+x*v[i];
}
}
//max{ m(i-1,j) ,max{m(i-1,j-x*wi)+x*vi}(1<=x<=k)}
if(m[i-1][j]>Mmax) {
m[i][j]=m[i-1][j];
X[i][j]=0;
} else {
m[i][j]= Mmax;
}
}
}
}
void TraceBack(intw[],int n,int all) {
//n个选项 all=所有资源
if(X[n][all]==-1) return ;
if(X[n][all]!=0) {
cout<<"第"<<n<<"投资资源数"<<X[n][all]*w[n]<<endl;
}
TraceBack(w,n-1,all-X[n][all]*w[n]);
}
int main(int argc,char*argv[])
{
memset(X,-1,sizeof(int)*(my_n+1)*(my_all+1));
int w[] = {0,2,3,4,5,6};
int v[] = {0,3,4,8,6,9};
how_to_invest(my_n,my_all,w,v);
cout<<"最大收益"<<m[my_n][my_all]<<endl;
TraceBack(w,my_n,my_all);
cin.get();
return 0;
}
树的最大连通分支
给定一棵树,树中每个顶点u都有一个权w(u),权可以为负数,现找出树T的一个联通子图使该子图权之和最大。
先用孩子兄弟节点构造一棵树,从该树的叶子节点开始,若该结点的子树权重为正,则加他到该节点权重上,否则不加,若没子树,则该节点的权重即为原权重。遍历方式是自底向上,层级优先。
设S(i)是以i为顶层节点的联通子图对应的最优值,S(i) = w(i) + sum(S(k)) S(k)>0,S(k)为i为根的树的子树。最终结果即为Max(S(i))。