背包问题

 

1、01背包

        题目：有N件物品和一个容量为V的背包。第i件物品的体积是c[i]，价值是w[i]，且每种物品只有一件。求解将哪些物品装入背包可使价值总和最大。

        思路：f[i][v]表示前i件物品放入一个容量为v的背包可以获得的最大价值。则其状态转移方程便是：

                                                            f[i][v] = max { f[i-1][v] , f[i-1][v-c[i]] + w[i] }

        核心代码如下：

for (int i = 0; i < c.length; i++) {
    for (int j = 1; j <= V; j++) {
        if (j < c[j]) {
            f[i][j] = f[i - 1][j];
        } else {
            f[i][j] = Math.max(f[i - 1][j], f[i - 1][j - c[i]] + w[i]);
        }
    }
}

        外层循环表示，从第一个物品开始，挨个往背包里放；内层循环表示，当背包容量为j时，放到物品i时所对应的最大价值，最终f[n-1][V]即为所求结果

        上述方法需使用二维数组，但是循环时可以发现，放第i个物品时，其最大价值只与放第i-1个物品的各价值有关，因此无需记录放每个物品时的最大价值，使用一维数组存储不同背包容量对应的最大价值，每次放入物品时更新此一维数组即可。

        代码如下：

for (int i = 0; i < c.length; i++) {
    for (int j = V; j >= c[i]; j--) {
        f[j] = Math.max(f [j], f [j - c[i]] + w[i]);
    }
}

        内层循环从最大容量V开始是因为，如果从容量为1开始遍历，放物品的时候，某个物品有可能被放多次。例如，某物品体积为1，价值为2，如果从容量为1开始计算，那么f[1]=2，f[2]=4，f[3]=6；如果从容量为V开始计算，那么f[3]=2,f[2]=2,f[1]=2。假设当前放入的物品为i，从V开始遍历的话，f[j]之前的结果都是放入物品i-1后所得到的最大值，可以保证递推公式无误；当从1开始遍历的话，f[j]之前的结果都是已经放入物品i之后更新的结果，不能满足递推公式，造成错误。

        循环到c[i]为止是因为，如果背包的容量小于当前物品的体积，那么物品将不会被放入背包中，则最大价值不会改变，无需更新f数组。

        初始化：如果要不需要恰好装满，则f数组全部初始化为0；如果需要恰好装满，则f数组除了f[0]初始化为0外，其余全部初始化为-∞

2、完全背包

        题目：有N种物品和一个容量为V的背包，每种物品都有无限件可用。第i种物品的费用是c[i]，价值是w[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量，且价值总和最大

        思路：f[i][v]表示前i件物品放入一个容量为v的背包可以获得的最大价值。则其状态转移方程便是：

                                                            f[i][v] = max{ f[i-1][v-k*c[i]] + k*w[i] },  0 <= k*c[i] <=v

        优化：完全背包问题有一个很简单有效的优化，是这样的：若两件物品i、j满足c[i]<=c[j]且w[i]>=w[j]，则将物品j去掉，不用考虑。这个优化的正确性显然：任何情况下都可将价值小费用高得j换成物美价廉的i，得到至少不会更差的方案。对于随机生成的数据，这个方法往往会大大减少物品的件数，从而加快速度。然而这个并不能改善最坏情况的复杂度，因为有可能特别设计的数据可以一件物品也去不掉。

        这个优化可以简单的O(N^2)地实现，一般都可以承受。另外，针对背包问题而言，比较不错的一种方法是：首先将费用大于V的物品去掉，然后使用类似计数排序的做法，计算出费用相同的物品中价值最高的是哪个，可以O(V+N)地完成这个优化

        转化成01背包问题：既然01背包问题是最基本的背包问题，那么我们可以考虑把完全背包问题转化为01背包问题来解。最简单的想法是，考虑到第i种物品最多选V/c[i]件，于是可以把第i种物品转化为V/c[i]件费用及价值均不变的物品，然后求解这个01背包问题。这样完全没有改进基本思路的时间复杂度，但这毕竟给了我们将完全背包问题转化为01背包问题的思路：将一种物品拆成多件物品。

        更高效的转化方法是：把第i种物品拆成费用为c[i]*2^k、价值为w[i]*2^k的若干件物品，其中k满足c[i]*2^k<=V。这是二进制的思想，因为不管最优策略选几件第i种物品，总可以表示成若干个2^k件物品的和。这样把每种物品拆成O(log(V/c[i]))件物品，是一个很大的改进。

        虽然完全背包问题可以转化成01背包问题，但是这种方法的复杂度仍然很高（>>N*V），下列方法可以使复杂度为N*V

        核心代码如下：

for (int i = 0; i < c.length; i++) {
    for (int j = c[i]; j <= V; j++) {
        f[j] = Math.max(f[j], f[j - c[i]] + w[i]);
    }
}

        内层循环与01背包问题的遍历方向恰好相反，01背包问题不能放重复的物品，而完全背包问题可以放重复的物品，从背包容量为c[i]开始遍历，恰好可以完成重复放物品的功能。