【动态规划之0-1背包问题】

【问题描述】

0-1背包问题：给定 n 种物品和一背包。物品 i 的重量是w_i其价值为v_i，背包的容量为c。问应如何选择装入背包中的物品，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 只有两种选择，即装人背包或不装入背包。不能将物品 i 装入背包多次，也不能只装入部分的物品 i 。因此，该问题称为0-1背包问题。

此问题的形式化描述是，给定c＞0，w_i＞0，v_i＞0，1 ≤ i ≤ n，要求找出一个n元0-1向量（x₁，x₂，···，x_n），x_i ∈｛0,1｝，1≤i＜h，使得 $$\sum _{i=1}^{n}wi\ast xi\le c$$，而且$$\sum _{i=1}^{n}vi\ast xi$$达到最大。因此，0-1背包问题是一个特殊的整数规划问题：
$$max\sum _{i=1}^{n}vi\ast xi$$
$$\sum _{i=1}^{n}wi\ast xi\le c$$
$$xi\in (0,1),1\le i\le n$$

【算法分析】

1．最优子结构性质

0-1背包问题具有最优子结构性质。设（y₁，y₂，···，y_n）是所给0-1背包问题的一个最优解，则（y2，y3，–·，yn）是下面相应子问题的一个最优解：
$$max\sum _{i=2}^{n}vi\ast xi$$
$$\sum _{i=2}^{n}wi\ast xi\le c-wi\ast y1$$
$$xi\in (0,1),2\le i\le n$$
因若不然，设（z₂，z₃，···，z_n）是上述子问题的一个最优解，而（y₂，y₃，··，y_n）不是它的最优解。由此可知，$$\sum _{i=2}^{n}vi\ast zi>\sum _{i=2}^{n}vi\ast yi$$,且
$$w1\ast y1+\sum _{i=2}^{n}wi\ast zi\le c$$。因此，
$$v1\ast y1+\sum _{i=2}^{n}vi\ast zi>\sum _{i=1}^{n}vi\ast yi$$
$$w1\ast y1+\sum _{i=2}^{n}wi\ast zi\le c$$
这说明（y₁，z₂，···，z_n）是所给0-1背包问题的一个更优解，从而（y₁，y₂，···，y_n）不是所给0-1背包问题的最优解。此为矛盾。

2．递归关系

设所给0-1背包问题的子问题
$$max\sum _{k=i}^{n}vk\ast xk$$
$$max\sum _{k=i}^{n}wk\ast xk\le j$$
$$xk\in (0,1),i\le k\le n$$
的最优值为m(i，j)，即m(i，j)是背包容量为j，可选择物品为i，i＋1，···，n时0-1背包问题的最优值。由0-1背包问题的最优子结构性质，可以建立计算m(i，j)的递归式如下：
m ( i ， j ) = { m a x { m ( i + 1 ， j ) , m ( i + 1 ， j − w   i   ) + v   i   } j ≥ w   i   m ( i + 1 ， j ) 0 ≤ j ≤ w   i   m(i，j)=\left\{ \begin{array}{rcl} max\lbrace m(i+1，j),m(i+1，j-w~i~)+v~i~\rbrace & & { j≥w~i~}\\ m(i+1，j) & & {0≤j≤w~i~} \end{array} \right. m(i，j)={max{m(i+1，j),m(i+1，j−w i )+v i }m(i+1，j)​​j≥w i 0≤j≤w i ​
$$m(n，j)=\{\begin{array}{rcl}vn& & j\ge wn\\ 0& & 0\le j\le wn\end{array}$$

3．算法描述

基于以上讨论，当w_i(1≤i≤n）为正整数时，用二维数组m[ ][ ]来存储m（i，j）的相应值，可设计解0-1背包问题的动态规划算法Knapsack（具体实现见【C++代码实现】）。
按上述算法Knapsack计算后，m[1 ][c ]给出所要求的0-1背包问题的最优值。相应的最优解可由算法Traceback计算如下。如果m[1 ][ c]=m[ 2][c ]，则x₁=0，否则x₁=1，当x₁=0时，由mm[ 2][c ]继续构造最优解。当x₁=1时，由m[ 2][c -w₁]继续构造最优解。依次类推，可构造出相应的最优解（x₁，x₂，···，x_n）。

【C++代码实现】

//解0-1背包问题的动态规划算法
template<class Type>
void Knapsack(Type v, int w, int c, int n, Type** m)
{
	int jMax = min(w[n] - 1, c);
	for (int j = 0; j <= jMax; j++)m[n][j] = 0;
	for (int j = w[n]; j <= c; j++)m[n][j] = v[n];
	for (int i = n - 1; i > 1; i--) {
		jMax = min(w[i] - 1, c);
		for (int j = 0; j <= jMax; j++)m[i][j] = m[i + 1][j];
		for (int j = w[i]; j <= c; j++)m[i][j] = max(m[i + 1][j], m[i + 1][j - w[i]] + v[i]);
	}
		m[1][c] = m[2][c];
		if (c >= w[1])m[1][c] = max(m[1][c], m[2][c - w[1]] + v[1]);
}
//构造最优解
template<class Type>
void Traceback(Type** m, int w, int c, int n, int x)
{
	for (int i = 1; i < n; i++)
		if (m[i][c] == m[i + 1][c])x[i] = 0;
		else { x[i] = 1; c -= w[i]; }
	x[n] = (m[n][c]) ? 1 : 0;
}