动态规划(01背包)

问题

0-1背包问题
  给定n种物品和一背包。物品 i 的重量近乎 wi，其价值为 vi，背包的容量为 c。问应该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？

《算法图解》01背包描述
  假设你是一个小偷，背着一个可装下4磅东西的背包，你可以偷窃的物品如下：

  为了让偷窃的商品价值最高，你该选择哪些商品？

---

解题思路

  总所周知，01背包问题可以用动态规划求解，而使用动态规划需要满足：

            最优子结构性质+重叠子问题性质

  先来分析01背包是否满足最优子结构性质，即原问题的最优解包含其子问题的最优解。因为要解决在背包可装重量m下的价值最大问题，实际上可以先解决了背包可装重量为m-1的最大价值问题，而要解决背包可装重量为m-1的最大价值问题实际上可以事先解决背包重量为m-2的最大价值问题… 很明显，以上做法实际上包含了最优子结构的性质。
  而对于每个子问题之间存在重叠计算的部分，即解决m-1和m-2的最大价值问题都需要m-3的最大价值问题，因此01背包也满足重叠子问题的性质，对应重叠计算部分，建立动态规划表来存储重复子问题的答案。
  01背包问题详细描述如下：
                01背包

Matlab代码实现

例子数据用《算法图解》01背包描述中的数据

m=4;                       %背包可装重量
G=[1 1500;4 3000;3 2000];  %商品重量以及价值
dp=zeros(size(G,1),m);     %动态规划网格，列表示可装重量，行表示各种物品，每个网格的值表示最大价值
for j=1:m                  %先放第一件物品
    if G(1,1)>j
        dp(1,j)=0;
    else
        dp(1,j)=G(1,2);
    end
end
for i=2:size(G,1)          %从第二件物品开始遍历
    for j=1:m              %背包容量
        if j-G(i,1)==0     %剩余重量为0
            dp(i,j)=max(dp(i-1,j), G(i,2));
        else
            if G(i,1)>j    %当前商品放不进去
                dp(i,j)=dp(i-1,j);
            else           %当前商品可以放进去
                dp(i,j)=max(dp(i-1,j), G(i,2)+dp(i-1,j-G(i,1)));  %max(取上一个单元格的价值 vs 当前商品的价值+剩余空间的最大价值)
            end
        end
    end
end
disp(dp)

输出(动态规划子问题答案)

        1500        1500        1500        1500
        1500        1500        1500        3000
        1500        1500        2000        3500

总结

   使用动态规划前，要先考虑问题是否满足最优子结构和重叠子问题结构。
  01背包状态更新公式：
       dp[i][j]=max(dp[i-1][j], G[i,2]+dp[i-1][j-G[i,1])
其中，G[i,1]存储商品的重量，G[i,2]存储着商品的价值。

动态规划与贪心算法
  动态规划首先寻找子问题的最优解，然后再其中进行选择；而贪心算法首先做出一次”贪心“选择-----在当时(局部)看来最优的选择，然后再求解选出的子问题。
  虽然具有最优子结构的的问题也能应用贪心算法，但在某些场合不一定具有最优解。

动态规划与分治法
  适合用分治法求解的问题通常在递归的每一步都生成全新的子问题；动态规划因为具有重叠子问题性质，所以一直都是在反复求解相同的子问题，而不是一直生成新的子问题。