python乱炖.2——0/1背包问题
学习笔记系列
问题描述
给定一个固定容量 W 的背包(约束),n件物品,每件物品的重量w[i]
和价值 v[i]
。
目标:选择哪些物品可以使得它们的总价值最大,且总重量不超过背包的最大承载重量。
“0/1” 意味每件物品要么被选中放入背包,要么不被选中,不能拿这个物品的一部分,这其实简化了问题。
问题求解(动态规划)
定义二维数组 dp[i][w]
- 其中 i 表示前 i 件物品,w 表示当前背包容量(背包的承载容量从 0 到 W)
- dp[i][w] 表示前 i 件物品中,容量为 w 的背包能够装入的最大价值
状态转移方程:
- 如果不选第 i 件物品:
dp[i][w] = dp[i-1][w]
——在当前的背包容量w下,保持原来的组合不变(这里有两种情况,1.这个物品太大了,放不进去,2.原来的组合价值更高)- 如果选第 i 件物品(w>物品大小w[i]):
dp[i][w] = max(dp[i-1][w], dp[i-1][w-w[i]] + v[i])
——在当前的背包容量w下,选择新的组合,这里举例说明:
假设现在有一个背包,最大容量 W = 50。有三件物品,每件物品的体积和价值如下:
物品 | 容量 | 价值 |
---|---|---|
物品1 | 10 | 60 |
物品2 | 20 | 100 |
物品3 | 30 | 120 |
对给定的 n = 3 和 W = 50,初始化一个 4x51 的二维数组 dp。把这个二维数组看作表格,然后逐步填充这个表格(根据状态转移方程,每一行只和上一行的值有关)
其实相当于遍历每个物品,在每个物品下,遍历背包可用容量,细说
-
物品1:只有一种选择,即放入或者不放入背包
-
如果背包容量小于 10,dp[1][w] = 0 (物品1放不进去)
-
如果背包容量大于等于 10,dp[1][w] = 60 (放入物品1)
放物品1之前,包是空的(价值为0),那只要能放进去东西,价值就最大(比0大)
-
物品2:同样考虑放入和不放入的情况
-
如果背包容量小于 20,dp[2][w] = dp[1][w] (物品2放不进去)
-
如果背包容量大于等于 20,dp[2][w] = max(dp[1][w], dp[1][w-20] + 100)
当w=20,能够放物品2,且价值100>dp[1][20](值为60),所以dp[2][20]=dp[1][0]+100=100, 这里dp[1][0]=0
当w=30,此时w-20=10,正好是物品1的体积,所以dp[2][30]=dp[1][10]+100=160
之后直到w=50,dp[2][w]=160
-
物品3:同样考虑放入和不放入的情况
-
如果背包容量小于 30,dp[3][w] = dp[2][w](物品3放不进去)
-
如果背包容量大于等于 30,dp[3][w] = max(dp[2][w], dp[2][w-30] + 120)
当w=30,能放物品3,但价值120>dp[2][30](值为160),所以dp[3][30]=dp[2][30]=160, 如果在假设里物品3的价值>160,那这里就是这个价值了
当w=40,此时w-30=10=物品1的体积,(dp[2][40]=160<(dp[2][10]+120=60+120=180),所以dp[3][40]=180
当w=50,此时w-30=20=物品2的体积,(dp[2][50]=160<(dp[2][20]+120=100+120=220),所以dp[3][40]=180
如果还有物品,逻辑一样,继续向下递归
看这个过程就知道,背包容量不能太大,计算量会暴增
代码
def knapsack(W, weights, values, n):
dp = [[0 for _ in range(W + 1)] for _ in range(n + 1)]
for i in range(1, n + 1):
for w in range(1, W + 1):
if weights[i-1] <= w:
dp[i][w] = max(dp[i-1][w], dp[i-1][w-weights[i-1]] + values[i-1])
else:
dp[i][w] = dp[i-1][w]
return dp[n][W]
W = 50
weights = [10, 20, 30]
values = [60, 100, 120]
n = len(weights)
max_value = knapsack(W, weights, values, n)
print(f"背包的最大价值为: {max_value}")
输出:背包的最大价值为: 220
end