动态规划之0-1背包问题

问题描述

给定一个物品集合s={1，2，3，…,n}，物品i的重量是wi,其价值是vi，背包的容量为W,即最大载重量不超过W。在限定的总重量W内，我们如何选择物品，才能使物品的总价值最大。
注：如果物品不能分割，即物品i要么整个选取，要么不选取；如果不能将物品i装入背包多次，也不能只装入部分物品i，则问题称为0-1背包问题。
如果物品可以拆分，则问题称为背包问题，适合使用贪心算法。

问题建模

递归关系分析

定义备忘录数组p[i,j]：背包容量为j，可选物品为i,i+1,…,n时的0-1背包问题的最优值

W=5	①	②	③	④
重量w	2	1	3	2
价值v	12	10	20	15

以此背包为例按递归式建立备忘录

物品n|容量j	0	1	2	3	4	5
④	0	0	15	15	15	15

物品n|容量j	0	1	2	3	4	5
③	0	0	15	20	20	35
④	0	0	15	15	15	15

物品n|容量j	0	1	2	3	4	5
②	0	10	15	25	30	35
③	0	0	15	20	20	35
④	0	0	15	15	15	15

物品n|容量j	0	1	2	3	4	5
①	0	0	0	0	0	37
②	0	10	15	25	30	35
③	0	0	15	20	20	35
④	0	0	15	15	15	15

代码实现

#define NUM 50	//物品数量的上限
#define CAP 1500	//背包容量的上限
int w[NUM];		//物品的重量
int v[NUM];		//物品的价值
int p[NUM][CAP];	//用于递归的数组
//形参c是背包的容量W，n是物品的数量
void knapsack(int c, int n) 
{ 
　　//计算递推边界
　　int jMax=min(w[n]-1,c); 		//分界点
　　for( int j=0; j<=jMax; j++)   p[n][j]=0; //初始化
　　for( int j=w[n]; j<=c; j++)    p[n][j]=v[n];//初始化
　　for( int i=n-1; i>1; i--) 		//计算递推式
　　{ 
	jMax=min(w[i]-1,c);
	for( int j=0; j<=jMax; j++) 
	　　p[i][j]=p[i+1][j]; 
	for(int j=w[i]; j<=c; j++) 
	　　p[i][j]=max(p[i+1][j], p[i+1][j-w[i]]+v[i]); 
　　} 
　　p[1][c]=p[2][c]; 			//计算最优值,节省计算量，最后一行只算最后一个最终解
　　if (c>=w[1])   p[1][c]=max(p[1][c], p[2][c-w[1]]+v[1]); 
}

追踪解

void traceback( int c, int n, int x[ ]) 
{ 
　for(int i=1; i<n; i++) 
　{
　　if (p[i][c]==p[i+1][c]) x[i]=0; 
　　else { x[i]=1; c-=w[i]; } 
　}
　x[n]=(p[n][c])? 1:0; 
}

整体时间复杂度

O（nW）