动态规划算法之0-1背包问题

我们首先来看一下问题：一个旅行者有一个容量为C的背包，现在有n种物品，每件的重量分别是W₁、W₂、……、W_n，每件物品的价值分别为V₁、V₂、……、V_n， 需要将物品放入背包中，要怎么样放才能保证背包中物品的总价值最大？具体数据如下表，其中n=4，C=8。

                                                     

前面已经对动态规划的基本概念做了详细的讲解，动态规划算法的核心是最优子结构、边界、状态转移方程式。现在我们来按这个思路对问题进行分析，分别找出以上三种。

算法分析

这里用F（N，W）表示前N个物品最佳组合对应的价值，W代表当前背包容量。

本题的最优子结构是考虑最后一种物品，即第四个。这里有两种情况，一个是第4种物品装入背包，则此时问题转化为前3种物品放入容量为C-W4的空间内，此时的背包最大值为F（3,8-W4）+V4；另外一种是不选择将第4种物品放入背包，则此时的问题是F（3，8）=F（4，8）。所以这里4种物品和3种物品最优选择之间存在这样的关系，即F（4，8）=Max（F（3，8），F（3，8-W4）+V4）。

现在我们来确定下问题的边界是什么。显然也有两种情况，用公式来表示。

当N=1，C>=W1时，F（N，W）= V1；

当N=1，C<W1时，F（N，W）=0。

整理一下就能得到问题的状态转移方程：

F（N，W）=0（N<=1,C<W1）;

F（N，W）=V1（N==1,C>=W1）;

F（N，W）=F（N-1，W）（N>1，C<Wn）;

F（N，W）=Max（F（N-1，W），F（N-1，C-Wn）+Vn）（N>1，C>=Wn）。

到这里，利用动态规划求解问题的模型分析已完成，现在来看下怎么实现。

同样，我们这里对其进行一步步的填表，这里直接给出最后过程。

　  1) 如，N=1，W=1，w(1)=2，v(1)=3，有W<w(1)，故F(1,1)=F(1-1,1)=0；

　　　　2) 又如N=1，W=2，w(1)=2，v(1)=3，有W=w(1),故F(1,2)=max｛ F(1-1,2)，F(1-1,2-w(1))+v(1) ｝=max｛0，0+3｝=3；

　　　　3) 如此下去，填到最后一个，N=4，W=8，w(4)=5，v(4)=6，有W>w(4)，故F(4,8)=max｛ F(4-1,8)，F(4-1,8-w(4))+v(4) ｝=max｛9，4+6｝=10；所以填完表如上图。

 表格填完，最优解即是F(N,C)=F(4,8)=10，但还不知道解由哪些商品组成，故要根据最优解回溯找出解的组成，根据填表的原理可以有如下的寻解方式：

　　　　1) F(N,W)=V(N-1,W)时，说明没有选择第i 个商品，则回到F(N-1,W)；

　　　　2) F(N,W)=F(N-1,W-Wn)+Vn时，说明装了第i个商品，该商品是最优解组成的一部分，随后我们得回到装该商品之前，即回到F(N-1,W-Wn)；

　　　　3) 一直遍历到N＝0结束为止，所有解的组成都会找到。

 如上例子，

　　　　1) 最优解为F(4,8)=10，而F(4,8)!=F(3,8)却有F(4,8)=F(3,8-w4)+v4=F(3,3)+6=4+6=10，所以第4件商品被选中，并且回到F(3,8-w4)=F(3,3)；

　　　　2) 有F(3,3)=F(2,3)=4，所以第3件商品没被选择，回到F(2,3)；

　　　　3) 而F(2,3)!=F(1,3)却有F(2,3)=F(1,3-w2)+v(2)=F(1,0)+4=0+4=4，所以第2件商品被选中，并且回到F(1,3-w(2))=V(1,0)；

　　　　4) 有F(1,0)=F(0,0)=0，所以第1件商品没被选择。

 至此，此0-1背包问题已经解决。

 下面给出代码实现：

void FindMax()//动态规划
{
    int i,j;
    //填表
    for(i=1;i<=n;i++)
    {
        for(j=1;j<=c;j++)
        {
            if(j<w[i])//包装不进
            {
                V[i][j]=V[i-1][j];
            }
            else//能装
            {
                if(V[i-1][j]>V[i-1][j-w[i]]+v[i])//不装价值大
                {
                    V[i][j]=V[i-1][j];
                }
                else//前i-1个物品的最优解与第i个物品的价值之和更大
                {
                    V[i][j]=V[i-1][j-w[i]]+v[i];
                }
            }
        }
    }
}

时间效率为O(n*c)，由于用到二维数组存储子问题的解，所以动态规划的空间效率为O(n*c)