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。