这篇博文完全基于对 背包问题九讲 2.0 beta 1.2阅读后的体会。
好了,我们从最简单的例子开始吧。
01背包问题
问题:有N件物品和一个容量为V的背包。放入第i件物品消耗费用是Ci, 得到的价值为Wi, 求解将哪些物品装入背包可使得价值总和最大。
求解:问题显然是一个优化问题,那么我们首先当然先将优化方程给出来。
目标函数: max { ki* Wi}
限制条件:
ki属于集合{0, 1}
i属于[1,n]
ki * Ci <= V
”对于优化问题,我们一般尝试用动态规划来解“。这句话不是我说的,《编程之美》上“饮料供应”一节中这么讲的。
那么我们遵循这这种思路来尝试做一下。那么如何定义子问题?
假设我们用F表示目标函数,那么参数有那些?显然限制条件的就应该就是F的参数!所以我们最后要求的是F(n, V)!
那F(n, V)具体表示什么含义?第n中商品在容量为V的背包中的最大价值?这个显然不是我们想要的定义。正确的定义应该为前n中商品在容量为V的背包中的最大价值!
分析好了以上这些思路,我们可以接着往下递归定义子问题了。我们现在考察F的任意中间一个状态F(i, v),显然我们希望它能够从更小的子问题中推导出来。怎么弄?
刚才我们说了F(i,v)表示的是前i个物品在容量为v的背包中的最大价值。那么更小的子问题是什么?前i-1的物品在容量为v的背包中的最大价值 + 第i个物品的情况。
所以这里我们重点考察第i件物品的情况。在优化方程的限制条件中,第i见物品的情况有ki决定着。要么为0, 要么为1。即要么放入背包,要么不放如背包。
如果不放入背包,那么可以得到F(i,v) = F(i-1, v),即表明前i见物品的最大价值等于前i-1间物品的最大价值!
如果放入背包,那么第i见物品占据这v中的部分重量。则F(i,v) = F(i-1, v-Ci) + Wi。
所以我们有F(i, v) = max {F(i-1, v), F(i-1, v - Ci) + Wi}