一、前言
动态规划经典问题,01背包问题记录。
二、问题描述
假设有 n 件物品,至多可装入容积为 m 的容器当中,试问最大可装入的价值为多少?设w[ i ]为第 i 件物品重量,v[ i ]为第i件物品价值dp[ i ][ j ]表示将前i件物品装入重量 j 的容器当中。
三、动态规划解题思路
3.1 先回顾一下动态规划算法设计步骤
- 刻画一个最优解的结构特征。
- 递归地定义最优解的值。
- 计算最优解的值,通常采用自底向上的方法。
- 利用计算出的信息构造一个最优解。
步骤1~3是动态规划算法求解问题的基础。如果我们仅仅需要一个最优解的值,而非解本身,可以忽略步骤4。如果确实要做步骤4,有时就需要在执行步骤3的过程中维护一些额外信息,以便用来构造一个最优解。
这里我们用自底向上的方法。
3.2 自底向上解决方法
自底向上顾名思义就是条件由少到多计算结果,前面计算的结果用于后面计算。以这道题为例:
w = {2,1,3,2}
v = {12,10,20,15}
m = 5
求可装最大价值是多少?
3.2.1 问题图解
1)物品数量为空,容量为1-5的容器存放的价值都是0
2)只有第一件物品:w=2,v=12,容器体积大于等于2的都可以放入第一件物品价值为12
3)加入第二件物品:w=1,v=10,容积是1的容器可以装入价值是10的物品;容积是2的容器可以装入价值是12的物品;容积大于等于3的容器可以装入价值是22(12+10)的物品
4)加入第三件物品:w=3,v=20,容积是1的容器可以装入价值是10的物品;容积是2的容器可以装入价值是12的物品;容积3的容器可以装入价值是22(12+10)的物品;容积4的容器可以装入价值是30(20+10)的物品;容积5的容器可以装入价值是32(12+20)的物品
5)加入第四件物品:w=2,v=15,容积是1的容器可以装入价值是10的物品;容积是2的容器可以装入价值是15的物品;容积3的容器可以装入价值是25(10+15)的物品;容积4的容器可以装入价值是30(20+10)的物品;容积5的容器可以装入价值是32(12+10+15)的物品
最终的结果是37。
3.2.2 递推公式
上面图,通过递推公式来说明这个求解过程,以加入第四件物品容积为5为例,它是在两个价值中取最大价值,价值一:没有加入第四件物品,容积为5最大价值是32,之前已经求解;价值二:包含第四件物品,在剩余容积中选择最大价值的物品,剩余容积是3,容积3最大价值是22,最大价值是37(22+15);最终最大价值是37。
四、总结
如果一个问题可以拆分成多个小问题,而最终结果又依赖拆分后的小结果,可以考虑用动态规划来解决。动态规划需要先找到递推公式,利用计算出的信息构造一个最优解。
五、编码实现
//==========================================================================
/**
* @file : Knapsack.h
* @blogs : https://blog.csdn.net/nie2314550441/article/details/107169498
* @author : niebingyu
* @date :2020/07/05
* @title : 01背包问题
* @purpose : 假设有 n 件物品,至多可装入容积为 m 的容器当中,试问最大可装入的价值为多少?
* 设w[ i ]为第 i 件物品重量,v[ i ]为第i件物品价值
* dp[ i ][ j ]表示将前i件物品装入重量 j 的容器当中
*/
//==========================================================================
#pragma once
#include <iostream>
#include <vector>
#include <list>
#include <algorithm>
using namespace std;
#define NAMESPACE_KNAPSACK namespace NAME_KNAPSACK {
#define NAMESPACE_KNAPSACKEND }
NAMESPACE_KNAPSACK
class Solution
{
public:
int knapsack(vector<int>& w, vector<int>& v, int n, int weight)
{
if (w.size()-1 != n || v.size()-1 != n)
return {};
vector<vector<int>> dp(n +1, vector<int>(weight+1, 0));
for (int i = 0; i <= n; i++)
{
for (int j = 0; j <= weight; j++)
{
if (i == 0 || j == 0)
dp[i][j] = 0; //边界dp,结果为0
else
{
if (j < w[i])
dp[i][j] = dp[i - 1][j];//装不下
else
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i]] + v[i]);//装得下,max比较装或不装哪个更大
}
}
}
return dp[n][weight];
}
};
以下为测试代码//
// 测试 用例 START
void test(const char* testName, vector<int>& w, vector<int>& v, int num, int weight, int expect)
{
Solution s;
int result = s.knapsack(w, v, num, weight);
if (expect == result)
{
cout << testName << ", solution passed." << endl;
}
else
{
cout << testName << ", solution failed." << endl;
}
}
void Test1()
{
vector<int>w = { 0,2,1,3,2 };
vector<int>v = { 0,12,10,20,15 };
int num = w.size()-1;
int weight = 5;
int expect = 37;
test("Test1()", w, v, num, weight, expect);
}
NAMESPACE_KNAPSACKEND
// 测试 用例 END
//
void Knapsack_Test()
{
NAME_KNAPSACK::Test1();
}
执行结果: