算法实验之贪心策略求解背包问题

1 问题描述

0-1背包问题：给定n种物品和一个背包。物品i的重量是，其价值为，背包的容量为W。应如何选择装入背包的物品，使得装入背包中物品的总价值最大? 在选择装入背包的物品时，对每种物品i只有2种选择，即装入背包(1)或不装入背包(0)。不能将物品i装入背包多次，也不能只装入部分的物品i。

 

背包问题：给定n种物品和一个背包。物品i的重量是，其价值为，背包的容量为W。应如何选择装入背包的物品，使得装入背包中物品的总价值最大？选择物品i装入背包时，可以选择物品i的一部分，而不一定要全部装入背包，1≤i≤n。

2 问题的相关背景描述

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。问题的名称来源于如何选择最合适的物品放置于给定背包中。相似问题经常出现在商业、组合数学，计算复杂性理论、密码学和应用数学等领域中。也可以将背包问题描述为决定性问题，即在总重量不超过W的前提下，总价值是否能达到V？它是在1978年由Merkel和Hellman提出的。

背包问题可以用贪心算法求解，除此之外还可以用动态规划求解，但是对于0-1背包问题还是由动态规划求解。对于0-1背包问题，贪心算法之所以不能得到最优解是因为在这种情况下，它无法保证最后能将背包装满，部分闲置的背包空间，使每公斤背包的价值降低了

 

参考文献：百度百科“背包问题”  http://baike.baidu.com

 

3.问题分析

贪心算法基本过程：

1.    建立数学模型来描述问题；

2.    把求解的问题分成若干个子问题；

3.    对每一子问题求解，得到子问题的局部最优解；

4.    把子问题的解局部最优解合成原来解问题的一个解。

 

贪心算法解决背包问题的几种策略： 

(i) 第一种贪婪准则为：从剩余的物品中，选出可以装入背包的价值最大的物品，利用这种规则，价值最大的物品首先被装入（假设有足够容量），然后是下一个价值最大的物品，如此继续下去。这种策略不能保证得到最优解。

(ii) 第二种方案是重量贪婪准则：从剩下的物品中选择可装入背包的重量最小的物品。虽然这种规则对于前面的例子能产生最优解，但在一般情况下则不一定能得到最优解。考虑n= 2 ,w=[10,20], p=[5,100], c= 25。当利用重量贪婪策略时，获得的解为x =[1,0], 比最优解[ 0 , 1 ]要差。 

(iii) 第三种贪婪准则，每一项计算=/,即该项值和大小的比，再按比值的降序来排序，从第一项开始装背包，然后是第二项，依次类推，尽可能的多放，直到装满背包。 

有的参考资料也称为价值密度/贪婪算法。这种策略也不能保证得到最优解。虽然按/非递（增）减的次序装入物品不能保证得到最优解，但它是一个直觉上近似的解。 

而且这是解决普通背包问题的最优解，因为在选择物品i装入背包时，可以选择物品i的一部分，而不一定要全部装入背包，1≤i≤n。

 

对比动态规划法：

动态规划法可以解决贪心策略无法解决的0-1背包问题。

用V[i][j]表示前i个物品在总体积不超过j的情况下，放到背包里的最大价值。

状态转移方程：

V[0][j] = 0;

V[i][j] =