深入浅出之背包算法——动态规划是如何打败递归的？

背包问题(Knapsackproblem)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。这个问题涉及到了两个条件：一是物品总的大小小于或等于背包的大小，二是物品总的价值要尽量大。

一.采用递归的回溯法

刚开始接触此类问题时，很多人都会想到用回溯法解决，也就是用递归，这是最直接的方法，同八皇后、迷宫、组合、全排列、贪吃蛇等问题一样，下面给我本人开始用递归写出的算法：

//采用递归解决背包问题 #include "stdafx.h" #include <Windows.h> #include <iostream> #include <string> #include <vector> using namespace std; class Fruit { private: string name; int size; int price; public: Fruit(string name,int size,int price) { this->name=name; this->size=size; this->price=price; } string getName(){ return name; } int getPrice(){ return price; } int getSize(){ return size; } }; #define BOUNCE 10 //最大装入数量 #define N 10 //水果的个数 Fruit fruits[]={ Fruit("李子", 4, 4500), Fruit("苹果", 5, 4700), Fruit("橘子", 2, 2250), Fruit("草莓", 1, 1100), Fruit("甜瓜", 6, 4940), Fruit("菠萝", 2, 3900), Fruit("西瓜", 6, 5800), Fruit("桃子", 3, 3700), Fruit("香蕉", 2, 3750), Fruit("梨子", 3, 3600) }; vector<Fruit> selectedCompose; //当前最优选择序列 int maxPrice; //当前最大总价格 void Search(int begin, int sumSize, int sumPrice, vector<Fruit> v) { for (int i = begin; i < N; i++) { int s = sumSize + fruits[i].getSize(); int t = sumPrice + fruits[i].getPrice(); if (s == BOUNCE) //当前背包的装入数量已经达到最大 { v.push_back(fruits[i]); cout<<"总价值："<<t<<"\t"; for (int i = 0; i < v.size(); i++) //把每种总量为N的组合都打印出来，方便测试 { cout<<v[i].getName()<<"\t"; } cout<<endl; if (t > maxPrice) { selectedCompose = v;//select始终是价格总数最大的那个组合 maxPrice = t; //maxPrice始终存放最高总价格 } v.pop_back();//将最后一个元素删除，以寻找下一个可能的匹配 } if (s < BOUNCE) { v.push_back(fruits[i]); Search(i + 1, s, t, v); //递归 v.pop_back();//回溯，要恢复递归之前得状态 } } } int _tmain(int argc, _TCHAR* argv[]) { vector<Fruit> v; maxPrice = 0; cout<<"所有总量为 "<<N<<"的组合为："<<endl; cout<<"------------------------------------------"<<endl; Search(0, 0, 0, v); cout<<"------------------------------------------"<<endl; cout<<"在总量为"<<N<<"的情况下，总价值最大的组合为："<<endl; for (int i = 0; i < selectedCompose.size(); i++) { cout<<selectedCompose[i].getName()<<"\t"; } cout<<endl<<"总价值为： "<<maxPrice<<endl; system("pause"); return 0; } 基本原理很简单：求出满足总量的所有组合，再找出总价值最大的那个组合！

递归算法虽然方便，但是所需时间复杂度很高。该算法的时间复杂度为O(n2^n)

二.动态规划

动态规划方法建立在最优原则的基础上，是用空间换时间的一种方法的抽象。其关键是发现子问题和记录其结果。然后利用这些

结果减轻运算量。

如果我们用子问题定义状态来描述的话可以这样解释：

用f[i][v]表示前i件物品恰放入一个容量为v的背包可以获得的最大价值。用公式表示:

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

具体的解释可以理解为将前i件物品放入容量为v的背包中，现只考虑第i件物品的策略（放或不放），那么就可以转化为一个只涉及前i-1件物品和第i件物品的问题。如果不放第i件物品，那么问题就转化为“前i-1件物品放入容量为v的背包中”，价值为f[i-1][v]；如果放第i件物品，那么问题就转化为“前i-1件物品放入剩下的容量为v-c[i]的背包中”，此时能获得的最大价值就是f[i-1][v-c[i]]再加上通过放入第i件物品获得的价值w[i]。（v表示背包的最大容量，c[i]表示第i件物品的大小，w[i]表示第i件物品的价值）

// KnapsackProblem.cpp : 定义控制台应用程序的入口点。 // #include "stdafx.h" #include <Windows.h> #include <iostream> #include <string> using namespace std; #define MAX 8 #define MIN 1 class Fruit { private: string name; int size; int price; public: Fruit(string name,int size,int price) { this->name=name; this->size=size; this->price=price; } string getName(){ return name; } int getPrice(){ return price; } int getSize(){ return size; } }; void main() { int item[MAX+1]; int value[MAX+1]; Fruit fruits[]={ Fruit("李子", 4, 4500), Fruit("苹果", 5, 4700), Fruit("橘子", 2, 2250), Fruit("草莓", 1, 1100), Fruit("甜瓜", 6, 3700), Fruit("菠萝", 2, 4900), Fruit("西瓜", 3, 5800) }; for (int i = 0; i < MAX+1; i++) { item[i] = 0; value[i] = 0; } for(int i = 0; i < 7; i++) { for(int s = fruits[i].getSize();s <= MAX; s++) { //s表示现在背包的大小 int p = s-fruits[i].getSize(); //表示每次增加单位背包空间，背包所剩的空间 int newvalue = value[p] + fruits[i].getPrice(); //value[p]表示增加的背包空间可以增加的价值，fruits[i].getprice()表示原有的背包的价值 if(newvalue > value[s]) { //现有的价值是否大于背包为s时的价值 value[s] = newvalue; item[s] = i;//将当前的水果项添加到背包的物品中 } } } cout<<"物品\t价格"<<endl; for(int i = MAX; i > MIN; i = i - fruits[item[i]].getSize()) { cout<<fruits[item[i]].getName() << "\t"<< fruits[item[i]].getPrice()<<endl; } cout<<"合计\t"<<value[MAX]; system("pause"); }