动态规划法解决0/1背包问题
动态规划法:
将待求解问题分解为若干个相互重叠的子问题,每个子问题对应决策过程的一个阶段。
分为三个阶段:
1)划分子问题
2)确定动态规划函数
3)填写表格
以上动态规划过程可以求得问题的最优解。
0/1背包问题描述:
给定n中物品和一个背包,物品i(1<=i<=n)的重量为wi,其价值为vi,背包容量为C,对每种物品只有两种选择:装入背包或者不装,先要求出能装入背包的最大价值和物品装入背包中的实现价值最大的情况。
测试实例:
5个物品,重量分别是:2,2,6,5,4;价值分别是:6,3,5,4,6;背包容量为10
w[n]表示存储n个物品的重量,v[n]存储n个物品的价值,背包容量为C,数组V[n+1][C+1存放迭代结果,数组x[n]存放放入背包中的物品情况,用1表示装入,用0表示不装。注意x[n],w[n],v[n]数组下标都是从1开始,而非0.
0/1背包问题填写的表格:
表格第一行表示背包容量,表格第一列代表五个物品。
背包容量不足以装入物品时i时,则装入前i个物品得到的最大价值和装入前i-1个物品得到的最大价值是相同的,则xi=0,背包不增加价值;
背包容量可以装入物品i时,如果把第i个物品装入背包,则背包中的物品价值等于把前i-1个物品装入容量为j-wi的背包的价值加上第i个物品的价值vi,如果第i个物品没有装入背包,则背包的价值等于前i-1个物品装入容量为j的背包中所取得的价值,取两者中价值较大者作为前i个物品装入容量为j的背包中的最优解。
代码实现:
#include<iostream>
#include<math.h>
using namespace std;
int Max=100;
int V[100][100];
int x[100];
int KnapSack(int *w,int *v,int n,