0/1背包问题与最大收益

   

      池塘的水满了，雨也停了，田边的稀泥里到处是泥鳅。

      不过，今天不捉泥鳅，而是去捉螃蟹，待会儿太阳小点就出发。拿个袋子，当然是捉得越多越好，于是想到类似的经典问题：

      小偷夜入宝地，可偷宝贝甚多，然背包承重有限，最大收益几何？

     这是一个典型的0/1背包问题，为什么叫0/1背包问题呢？因为对于一件宝贝，小偷要么选择偷它，要么选择不偷它。小偷陷入了左右为难的境地，我们对小偷的困难进行分析和具体化。

     假设小偷进入宝地，发现了4件宝贝，其价值V分别是2元、3元、4元、5元，对应的重量W分别是1斤、2斤、3斤、4斤，小偷的背包最大承重是7斤，那么小偷的最大收益是多少元呢？

i	1	2	3	4
V	2元	3元	4元	5元
W	1斤	2斤	3斤	4斤

       

      显然，可用动态规划来思考，并找出递推关系式。我们来定义状态：在承重为j的限制下，记f[i][j]是前i件宝贝能达到的最大收益。那么，F[4][7]即为小偷的目标。现在的问题是：要求出f[i][j]的递推关系式。 

      我们考察第i件宝贝，只有两种情况：小偷要么选择它，要么不选择它。然后在这两种情况中求较大值，便形成了递推关系式。直接看程序，递推关系式便体现在其中：

#include<iostream>
using namespace std;  
 
#define N 4 // 总共N件宝贝
#define V 7 // V是背包的承重极限值
 
int main()  
{  
  int value[N + 1]  = {0, 2, 3, 4, 5}; // 宝贝的价值
  int weight[N + 1] = {0, 1, 2, 3, 4}; // 宝贝的重量
  int f[N + 1][V + 1] = {0}; // f[i][j]表示在背包承重为j的情况下，前i件宝贝的最大价值
 
  int i = 1;
  int j = 1;
  for(i = 1; i <= N; i++)
  {
    for(j = 1; j <= V; j++)
    {
      // 递推关系式
      if(j < weight[i])
      {
        f[i][j] = f[i - 1][j];
      }
      else
      {
        int x = f[i - 1][j]; // case1: 不选择第i件宝贝
        int y = f[i - 1][j - weight[i]] + value[i]; // case2: 选择第i件宝贝
        f[i][j] = x < y ? y : x;
      }
    }
  }
 
  cout << f[N][V] << endl; // 10

  return 0;  
}

     程序的结果是10元， 这就是小偷的最大收益。

       

     在之前的文章中，我们聊过动态规划：动态规划的本质。熟练掌握动态规划，才能获得最大收益，能捉到的螃蟹也会更多。

      走，捉螃蟹去。