用动态规划的思想解决0-1背包问题（附代码）

 

用动态规划的思想解决0-1背包问题，编程实现：

有n种物品，每种物品仅有一件，第i件物品的重量为wi，价值为vi，现有一个承重量为c的背包。在不超过背包承重的情况下，应如何选择装入背包的物品，使得装入背包中物品的价值总和最大？

样例：n=5,c=8,w={2,2,7,5,4},v={3,6,4,5,6},求背包所装物品的最大价值是多少？最优解是什么?

动态规划的原理：
动态规划与分治法类似，都是把大问题拆分成小问题，通过寻找大问题与小问题的递推关系，解决一个个小问题，最终达到解决原问题的效果。

Vi表示第 i 个物品的价值，Wi表示第 i 个物品的体积，定义V(i,j)：当前背包容量 j，前 i 个物品最佳组合对应的价值，同时背包问题抽象化（X1，X2，…，Xn，其中 Xi 取0或1，表示第 i 个物品选或不选）。

1、建立模型，即求max(V1X1+V2X2+…+VnXn)；

2、寻找约束条件，W1X1+W2X2+…+WnXn<capacity；

3、寻找递推关系式，面对当前商品有两种可能性：

包的容量比该商品体积小，装不下，此时的价值与前i-1个的价值是一样的，即V(i,j)=V(i-1,j)；
还有足够的容量可以装该商品，但装了也不一定达到当前最优价值，所以在装与不装之间选择最优的一个，即V(i,j)=max｛V(i-1,j)，V(i-1,j-w(i))+v(i)｝。
其中V(i-1,j)表示不装，V(i-1,j-w(i))+v(i) 表示装了第i个商品，背包容量减少w(i)，但价值增加了v(i)；

由此可以得出递推关系式：

j<w(i) V(i,j)=V(i-1,j)
j>=w(i) V(i,j)=max｛V(i-1,j)，V(i-1,j-w(i))+v(i)｝

最优解回溯：
V(i,j)=V(i-1,j)时，说明没有选择第i 个商品，则回到V(i-1,j)；
V(i,j)=V(i-1,j-w(i))+v(i)时，说明装了第i个商品，该商品是最优解组成的一部分，随后我们得回到装该商品之前，即回到V(i-1,j-w(i))；
一直遍历到i＝0结束为止，所有解的组成都会找到。

#include<iostream>
#include <algorithm>
using namespace std;

int i,j;
int dp[30][100];
int item[100];

int value[100];
int weight[100];
int GetArray(int a[],int count)
{
	for(int i=1;i<=count;i++)
		cin>>a[i];
}

int GetMaxValue(int n,int m)
{
	for(i=1;i<=n;i++)
	{
		for(j=1;j<=m;j++)
		{
			if(j<weight[i])
				dp[i][j] = dp[i-1][j];
			else
				dp[i][j] = max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i]);
		}
	}
}

int main()
{
	int n,m;
	cin>>n>>m;
	GetArray(value,n);
	GetArray(weight,n);
	GetMaxValue(n,m);
	cout<<"装入背包中物品总价值最大为:"<<endl;
	cout<<dp[n][m]<<endl;
	int b = m;
    for(int i = n; i >= 1; i--){
        if(dp[i][b] > dp[i - 1][b]){
            item[i] = 1;
            b -= weight[i];
        }  
    }
    cout<<"装入的物品的序号为:"<<endl;
    for(int i = 1; i <= n; i++)
        //cout << item[i] << " ";
        if(item[i]==1)
        	cout<<i<<" ";
	cout<<endl;

	return 0;
}

运行结果：