16周学习总结

目录

一·动态规划（DP）

二.多个背包问题：

1.01背包问题：

2.完全背包问题：

3.多重背包问题：

4.分组背包问题：

总结：

---

一·动态规划（DP）

这周对于DP而言，将PPT上面给出的例题看了看，由于准备考试，博客零零散散的读了几篇，周末又临时看了几篇。练习的话就试着写洛谷上的DP练习，但是还是不会分析，因为我现在觉得在DP问题中我确实进行的比较困难，无论进行哪方面时，基本都是比较难理解，特别是关于状态转移方程的方面，DP必须要投入大量的时间才能够理解并熟练掌握。

1.DP的思想就是将一个问题分解成一堆小问题，再通过小问题解出最优解，就可求得大问题的最优解。

2.DP需要注意的问题：

（1）最优子结构及无后效性：原问题的最优解包含了其子问题、更小规模问题的最优解；无后效性指的是某阶段的状态一旦确定，则此后不再受此前各个状态的影响
（2）重叠子问题：子问题有可能被多次利用，因此对这些子问题只求解一次，将结果存储起来即可

3.在做题时遇到的问题：

在做题的过程中，往往会涉及后效性的问题，比如我使一个阶段达到最优解时，再去考虑下一个阶段时，发现要达到下一个阶段最优解会影响到上一个阶段的最优解，这时候就要以无后效性，影响已经完成的阶段。首先要保证状态无后效性，否则一定是不对的。其次是状态转移方程可以正推，也可以逆推。

总结：动态规划看起来是一个很好理解的算法，但是一旦你深入到题中时会发现自己啥都想不出来。你先要确定这个题目后面的决策不会影响前面的，即无后效性，当然这个其实很难想，其次也是最难的一点，确定状态转移方程。他很多题目你很好理解，但是做起来思路全无，就很难找到突破口。总的来说吧，动态规划很不容易学，需要看很多的题目，多了解更多的解题思路和方式。

二.多个背包问题：

1.01背包问题：

问题：有n种物品，每个物品只有一件（有对应的重量和价值），放入一个限容的背包，求最大价值

很显然f [ i , v ] 就设为从前 i 件物品中选择放入容量为 v 的背包最大的价值。那么状态转移方程为：

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

存在两种状态：

           第一种是第i件不放进去，这时所得价值为:

           第二种是第i件放进去，这时所得价值为：

只考虑子问题“将前 i 个物品放入容量为 v 的背包中的最大价值”那么考虑如果不放入 i ，最大价值就和 i 无关，就是 f[ i - 1 ][ v ] , 如果放入第 i 个物品，价值就是 f[ i - 1][ v - w[i] ] + val[ i ]），然后取最大值

for i = 1..N

　　　for v = V..0  //注意：此处是从大到小的顺序

　　　　　f[ v ] = max{ f[ v ],f[ v-w[i] ]+val[ i ] };

2.完全背包问题：

有n种物品，每种物品都有无限件（与01背包和多重背包不同点），每种物品都有对应的价值和重量，取物品放入限容背包中，求最大价值
完全背包问题与0/1背包问题不同之处在于其每个物品是无限的，从而改变了取物品的方法（不仅仅是每种物品取与不取的决策），取法相关策略就变成了取0件、1件、2件…在01背包基础上，令f[i][v]表示前 i 种物品恰放入一个容量为 v 的背包的最大权值。则状态转移方程：

f[ i ][ v ] = max{ f[ i-1 ][ v-kw[i] ] + kval[ i ] | 0 <= k*w[i] <= v}

for i = 1..N

　　　for v = 0..V（注意：此处遍历顺序为从小到大）

　　　　 f[v] = max{f[v],f[v-w[i]] + val[ i ] };

3.多重背包问题：

有n种物品，每件物品都有有限个，将物品放入限容背包，求装满时的最大/小价值或判断能否装满背包

对于第i种物品有n[i]+1种策略：取0件，取1件……取n[i]件。令f[i][v]表示前i种物品恰放入一个容量为v的背包的最大权值，状态转移方程为：

f[i][v]=max{ f[ i-1 ][ v-kw[i] ] + kval[ i ] | 0<= k <= n[ i ]}

4.分组背包问题：

分组背包问题是在01背包的基础上又进行了延伸，01背包问题中每个物品要么选要么不选，在分组背包中，将一系列物品分成几组，一次在一个小组中选择一个或者不选，其实01背包是一种特殊情况下的分组背包，即每个组只有一个物品时的分组背包，我们依然可以沿用01背包的解题思路，只不过进行一下加工，这里直接取一维情况的dp数组，其实我们可以这样认为，每个组既然只能选一个，我们可以先限定一个组别，之后在这个组别中，在总重量允许的条件下，看当前重量下是不是放得下这个组中的物品，放得下就选取价值的更大值。由于每次选择的都是最大值而且是在这一个组中进行的操作，所以保证了一个组中只选择了一个物品。由于分组背包是01背包延伸来的，所以依然是用逆序遍历来实现一维数组的dp。

总结：

总的来说，这四类背包问题的关系大致如下：
01背包：每个物品只有一个，要么选要么不选
完全背包：在01背包基础上解除了只有一个的限制，每个物品随便选
分组背包：嵌套的01背包，每组要么选一个要么不选，每组里面的物品只能选一个，也可以理解为最大数量为1的要么选要么不选
多重背包：在完全背包上加了数量的限制，依然是随便选，但不能超过限制。