0-1背包问题-贪心(不适合用贪心)

提示

 0-1背包问题不适合用贪心法来求解。以下仅仅是来模拟和解释为什么不能用贪心

问题描述

• 给定n种物品和一个背包。物品i的重量是wi，其价值为vi，背包的容量为c。
• 应如何选择装入背包的物品，使得装入背包中物品的总价值最大?
• 在选择装入背包的物品时，对每种物品i只有2种选择，即装入背包或不装入背包。不能将物品i装入背包多次，也不能只装入部分的物品i。
  
  

基本步骤

1. 计算每种物品单位重量的价值vi/wi
2. 依贪心选择策略，将尽可能多的单位重量价值最高的物品装入背包。
3. 若将这种物品全部装入背包后，背包内的物品总重量未超过C，则选择单位重量价值次高的物品并尽可能多地装入背包。
4. 依此策略一直地进行下去，直到背包装满为止。
   
   

核心算法

//n中物品已经排好序
void Knapsack(int n,float M,float v[],float w[],float x[])
{
       Sort(n,v,w);
       int i;
       for (i=1;i<=n;i++) x[i]=0;
       float c=M;
       for (i=1;i<=n;i++) {
          if (w[i]>c) break;
          x[i]=1;
          c-=w[i];
          }
       if (i<=n) x[i]=c/w[i];
}

 算法knapsack的主要计算时间在于将各种物品依其单位重量的价值从大到小排序。因此，算法的计算时间上界为O（nlogn）。为了证明算法的正确性，还必须证明背包问题具有贪心选择性质。

0-1背包问题不适用贪心算法

• 背包容量为50kg，物品1, 2和3的容量和价值分别为(10kg, $60), (20kg, $100)和(30kg, $120)。

• 单位重量价值最高的为物品1，6$/kg。但是依照贪心算法首选物品1却不能获得最优解：
  

• 对于0-1背包问题，贪心选择之所以不能得到最优解, 是因为在这种情况下，无法保证最终能将背包装满，部分闲置的背包空间使每公斤背包空间的价值降低了。

• 在考虑0-1背包问题时，应比较选择该物品和不选择该物品所导致的最终方案，然后再作出最好选择。

• 由此导出许多互相重叠的子问题。这正是该问题可用动态规划算法求解的另一重要特征。