动态规划--01背包问题

最新推荐文章于 2024-08-24 19:48:25 发布
最新推荐文章于 2024-08-24 19:48:25 发布
阅读量249 收藏
点赞数
分类专栏： 算法 文章标签： 动态规划 背包问题
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qican_7/article/details/100392209
版权

问题描述

有n个物品，它们有各自的体积和价值，现有给定容量的背包，如何让背包里装入的物品具有最大的价值总和？

为方便讲解和理解，下面讲述的例子均先用具体的数字代入，即：eg：number＝4，capacity＝8

i（物品编号）1234
w（体积）2345
v（价值）3456

总体思路

根据动态规划解题步骤（问题抽象化、建立模型、寻找约束条件、判断是否满足最优性原理、找大问题与小问题的递推关系式、填表、寻找解组成）找出01背包问题的最优解以及解组成，然后编写代码实现。

动态规划的原理
动态规划与分治法类似，都是把大问题拆分成小问题，通过寻找大问题与小问题的递推关系，解决一个个小问题，最终达到解决原问题的效果。但不同的是，分治法在子问题和子子问题等上被重复计算了很多次，而动态规划则具有记忆性，通过填写表把所有已经解决的子问题答案纪录下来，在新问题里需要用到的子问题可以直接提取，避免了重复计算，从而节约了时间，所以在问题满足最优性原理之后，用动态规划解决问题的核心就在于填表，表填写完毕，最优解也就找到。

最优性原理是动态规划的基础，最优性原理是指“多阶段决策过程的最优决策序列具有这样的性质：不论初始状态和初始决策如何，对于前面决策所造成的某一状态而言，其后各阶段的决策序列必须构成最优策略”。

背包问题的解决过程
在解决问题之前，为描述方便，首先定义一些变量：Vi表示第 i 个物品的价值，Wi表示第 i 个物品的体积，定义V(i,j)：当前背包容量 j，前 i 个物品最佳组合对应的价值，同时背包问题抽象化（X1，X2，…，Xn，其中 Xi 取0或1，表示第 i 个物品选或不选）。

1、建立模型，即求max(V1X1+V2X2+…+VnXn)；

2、寻找约束条件，W1X1+W2X2+…+WnXn<capacity；

3、寻找递推关系式，面对当前商品有两种可能性：

包的容量比该商品体积小，装不下，此时的价值与前i-1个的价值是一样的，即V(i,j)=V(i-1,j)；
还有足够的容量可以装该商品，但装了也不一定达到当前最优价值，所以在装与不装之间选择最优的一个，即V(i,j)=max｛V(i-1,j)，V(i-1,j-w(i))+v(i)｝。
其中V(i-1,j)表示不装，V(i-1,j-w(i))+v(i) 表示装了第i个商品，背包容量减少w(i)，但价值增加了v(i)；

由此可以得出递推关系式：

j<w(i)      V(i,j)=V(i-1,j)
j>=w(i)     V(i,j)=max｛V(i-1,j)，V(i-1,j-w(i))+v(i)｝
这里需要解释一下，为什么能装的情况下，需要这样求解（这才是本问题的关键所在！）：

可以这么理解，如果要到达V(i,j)这一个状态有几种方式？

肯定是两种，第一种是第i件商品没有装进去，第二种是第i件商品装进去了。没有装进去很好理解，就是V(i-1,j)；装进去了怎么理解呢？如果装进去第i件商品，那么装入之前是什么状态，肯定是V(i-1,j-w(i))。由于最优性原理（上文讲到），V(i-1,j-w(i))就是前面决策造成的一种状态，后面的决策就要构成最优策略。两种情况进行比较，得出最优。

4、填表，首先初始化边界条件，V(0,j)=V(i,0)=0；

5、表格填完，最优解即是V(number,capacity)=V(4,8)=10。

代码实现

为了和之前的动态规划图可以进行对比，尽管只有4个商品，但是我们创建的数组元素由5个。

#include <iostream>
#include <string>
#include <string.h>
#include <vector>
#include <algorithm>
#include <iostream>
#include <set>
#include <algorithm>
#include <sstream>
#include <queue>

using namespace std;

int w[5] = { 0 , 2 , 3 , 4 , 5 };			//商品的体积2、3、4、5
int v[5] = { 0 , 3 , 4 , 5 , 6 };			//商品的价值3、4、5、6
int bagV = 8;					        //背包大小
int dp[5][9] = {{0}};			        //动态规划表
int item[5];

void findWhat(int i, int j) 
{
	if (i >= 0)
	{
		if (dp[i][j] == dp[i - 1][j])
		{
			item[i] = 0;
			findWhat(i - 1, j);
		} else if (j - w[i] >= 0 && dp[i][j] == dp[i - 1][j - w[i]] + v[i])
		{
			item[i] = 1;
			findWhat(i - 1, j - w[i]);
		}
	}
}

void findMax()
{
	for (int i = 1; i <= 4; i++) {
		for (int j = 1; j <= bagV; j++) {
			if (j < w[i])
				dp[i][j] = dp[i - 1][j];
			else
				dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i]] + v[i]);
		}
	}
}

void print()
{
	//动态规划表的输出
	for (int i = 0; i < 5; i++) {
		for (int j = 0; j < 9; j++) {
			cout << dp[i][j] << ' ';
		}
		cout << endl;
	}

	//路径的输出
	for (int i = 1; i < 4; i++)
	{
		cout << item[i] << " ";
	}
	cout << item[4] << endl;
}

int main(){


	findMax();

	findWhat(4, 8);

	print();

	return 0;

}

一维数组解法

设f[j]表示重量不超过j公斤的最大价值 可得出状态转移方程 

                                                fj=maxj{fj,f[j−a[i]]+b[i]}fj=maxj{fj,f[j−a[i]]+b[i]}
代码如下

#include "stdafx.h"
#include <iostream>
#include <string>
#include <string.h>
#include <vector>
#include <algorithm>
#include <iostream>
#include <set>
#include <algorithm>
#include <sstream>
#include <queue>

using namespace std;

int w[5] = { 0 , 2 , 3 , 4 , 5 };			//商品的体积2、3、4、5
int v[5] = { 0 , 3 , 4 , 5 , 6 };			//商品的价值3、4、5、6
int bagV = 8;					        //背包大小
int dp[5][9] = {{0}};			        //动态规划表
int item[5];
int DP[500] = {0};

void findWhat(int i, int j) 
{
	if (i > 0)
	{
		if (j - w[i] >= 0 && DP[j] == DP[j - w[i]] + v[i])
		{
			item[i] = 1;
			findWhat(i - 1, j - w[i]);
		} else
		{
			item[i] = 0;
			findWhat(i - 1, j);
		}
	}
}

void findMax()
{
	for (int i = 1; i <= 4; i++) {
		for (int j = bagV; j >= w[i]; j--) {
			if (DP[j - w[i]] + v[i] > DP[j])
				DP[j] = DP[j - w[i]] + v[i];
		}
	}
}

void print()
{
	//动态规划表的输出
	for (int j = 0; j < 9; j++) {
		cout << DP[j] << ' ';
	}
	cout << endl;
	

	//路径的输出
	for (int i = 1; i < 4; i++)
	{
		cout << item[i] << " ";
	}
	cout << item[4] << endl;
}

int main(){


	findMax();

	findWhat(4, 8);

	print();

	return 0;

}

完全背包

有n件物品和容量为m的背包 给出i件物品的重量以及价值 求解让装入背包的物品重量不超过背包容量 且价值最大 
特点 题干看似与01一样 但它的特点是每个物品可以无限选用

其实这个题也可以写二维和一维两种 但之前已经说过了二维的有一定局限 所以在此之介绍一维 
一维 
设f[j]表示重量不超过j公斤的最大价值 可得出状态转移方程 
                                 fj=maxj{fj,f[j−a[i]]+b[i]}

代码如下
 

#include "stdafx.h"
#include <iostream>
#include <string>
#include <string.h>
#include <vector>
#include <algorithm>
#include <iostream>
#include <set>
#include <algorithm>
#include <sstream>
#include <queue>

using namespace std;

int w[5] = { 0 , 2 , 3 , 4 , 5 };			//商品的体积2、3、4、5
int v[5] = { 0 , 3 , 4 , 5 , 6 };			//商品的价值3、4、5、6
int bagV = 8;					        //背包大小
int dp[5][9] = {{0}};			        //动态规划表
int item[5] = {0};
int DP[500] = {0};

void findWhat(int i, int j) 
{
	while (i > 0)
	{
		while (j - w[i] >= 0 && DP[j] == DP[j - w[i]] + v[i])
		{
			item[i] ++;
			j = j - w[i];
		} 
		
		i--;
		
	}
}

void findMax()
{
	for (int i = 1; i <= 4; i++) {
		for (int j = w[i]; j <= bagV; j++) {
			if (DP[j - w[i]] + v[i] > DP[j])
				DP[j] = DP[j - w[i]] + v[i];
		}
	}
}

void print()
{
	//动态规划表的输出
	for (int j = 0; j < 9; j++) {
		cout << DP[j] << ' ';
	}
	cout << endl;
	

	//路径的输出
	for (int i = 1; i < 4; i++)
	{
		cout << item[i] << " ";
	}
	cout << item[4] << endl;
}

int main(){


	findMax();

	findWhat(4, 8);

	print();

	return 0;

}

多重背包

有n件物品和容量为m的背包 给出i件物品的重量以及价值 还有数量 求解让装入背包的物品重量不超过背包容量 且价值最大 
特点 它与完全背包有类似点 特点是每个物品都有了一定的数量

状态转移方程为： 
                                                       f[j]=max{f[j],f[j−k∗a[i]]+k∗b[i]}

【输入样例】 
8 2 
2 100 4 
4 100 2 
【输出样例】 
400
代码如下

#include<iostream>

using namespace std;
int main()
{
    int m,n;
    cin>>m>>n;
    int a[10001],b[10001],c[10001];
    for(int i=1;i<=n;i++){
        cin>>a[i]>>b[i]>>c[i];
    }
    int f[10001];
    for(int i=1;i<=n;i++)
    for(int j=m;j>=0;j--)
    for(int k=0;k<=c[i];k++){
        if(j-k*a[i]<0)break;
        f[j]=max(f[j],f[j-k*a[i]]+k*b[i]);
    }
    cout<<f[m]<<endl;//最优解
}

参考：

(1) https://blog.csdn.net/qq_38410730/article/details/81667885

(2) https://blog.csdn.net/qq_36303472/article/details/68935954

qican_7
关注
专栏目录
【动态规划】01背包问题
Charles' home
02-01 1535
问题描述 有n个物品，它们有各自的体积和价值，现有给定容量的背包，如何让背包里装入的物品具有最大的价值总和？ 为方便讲解和理解，下面讲述的例子均先用具体的数字代入，即：eg：number＝4，capacity＝8 i（物品编号） 1 2 3 4 w（体积） 2 3 4 5 v（价值） 3 4 5 6 总体思路...
【动态规划】01背包问题（通俗易懂，超基础讲解）
zhn1245的博客
04-15 1024
问题描述 有n个物品，它们有各自的体积和价值，现有给定容量的背包，如何让背包里装入的物品具有最大的价值总和？ 为方便讲解和理解，下面讲述的例子均先用具体的数字代入，即：eg：number＝4，capacity＝8 i（物品编号） 1 2 3 4 w（体积） 2 3 4 5 v（价值） 3 4 5 6 总体思路 根据动...
动态规划之01背包问题（最易理解的讲解）
热门推荐
mu399的专栏
07-06 42万+
01背包问题，是用来介绍动态规划算法最经典的例子，网上关于01背包问题的讲解也很多，我写这篇文章力争做到用最简单的方式，最少的公式把01背包问题讲解透彻。 01背包的状态转换方程 f[i,j] = Max{ f[i-1,j-Wi]+Pi( j >= Wi ),  f[i-1,j] } f[i,j]表示在前i件物品中选择若干件放在承重为 j 的背包中，可以取得的最大价值。 Pi表示第i件物
动态规划-01背包问题
11-16
01背包问题是一种经典的计算机科学优化问题，主要应用于资源分配、任务调度等领域，它通过动态规划的方法求解最优解。动态规划是一种解决复杂问题的有效算法，通过将问题分解为更小的子问题，并存储子问题的解以避免...
CJ2-10-动态规划-背包方案和背包综合练习.pdf
02-18
### CJ2-10-动态规划-背包方案和背包综合练习 #### 一、01背包问题 **定义**： 01背包问题是指有N件物品和一个容量为V的背包，每件物品只能选择放入或者不放入背包，每件物品有自己的重量wi和价值ci。目标是确定...
算法设计实验二-动态规划-01背包问题
06-27
01背包问题，桂林电子科技大学算法设计实验报告
动态规划解决0-1背包问题（c++）
12-30
背包的重量有限，每次只可取一种商品。利用动态规划实现所选商品总价值的最大值。
动态规划01-背包问题
最新发布
yzd111的博客
08-24 1294
有N件物品和一个容量是V的背包。每件物品只能使用一次。第i件物品的体积是Vi​，价值是Wi​。求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。输出最大价值。第一行两个整数NV，用空格隔开，分别表示物品数量和背包容积。接下来有N行，每行两个整数Vi​Wi​，用空格隔开，分别表示第i件物品的体积和价值。输出一个整数，表示最大价值。
动态规划——01背包问题
LYQ
05-18 3464
假设有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]。求解将哪些物品装入背包可使价值总和最大。 从这个题目中可以看出，01背包的特点就是：每种物品仅有一件，可以选择放或不放。 其状态转移方程是： f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]+w[i]} 对于这方程其实并不难理解，方程之中，需要放置的是第i件物品，这件物品的体积是c[i],价值是w[i],因此f[i-1][v]代表的就是不将这件物品放入背包，而f[i-1][v-c[i]]+w[i]
使用动态规划解决01背包问题
"01背包问题的动态规划解法及其逆推策略" 01背包问题是一种经典的优化问题，常在计算机科学，特别是算法竞赛（如ACM）中出现。问题的核心是通过有限的选择来最大化某种目标，这里的目标是使得装入背包的物品总价值...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值