0-1 背包问题:给定 n 种物品和一个容量为 C 的背包,物品 i 的重量是 wi,其价值为 vi 。
问:应该如何选择装入背包的物品,使得装入背包中的物品的总价值最大?
分析一波:面对每个物品,我们只有选择拿取或者不拿两种选择,不能选择装入某物品的一部分,也不能装入同一物品多次。
解决办法:声明一个 大小为 m[n][c](表示当前总价值) 的二维数组,m[ i ][ j ] 表示 在面对第 i 件物品,且背包容量为 j(没装任何物品时的容量,假设背包就那么大,只有容量 j ) 时所能获得的最大价值 ,那么我们可以很容易分析得出 m[i][j] 的计算方法,
(1)j < w[i] 的情况,这时候背包容量不足以放下第 i 件物品,只能选择不拿
m[ i ][ j ] = m[ i-1 ][ j ] (不拿物品时,价值等于考虑第 i-1 件时的价格)
(2)j>=w[i] 的情况,这时背包容量可以放下第 i 件物品,我们就要考虑拿这件物品是否能获取更大的价值。
如果拿取,m[ i ][ j ]=m[ i-1 ][ j-w[ i ] ] + v[ i ]。 这里的m[ i-1 ][ j-w[ i ] ]指的就是考虑了i-1件物品,背包容量为j-w[i]时的最大价值,也是相当于为第i件物品腾出了w[i]的空间。
如果不拿,m[ i ][ j ] = m[ i-1 ][ j ] , 同(1)
究竟是拿还是不拿,自然是比较这两种情况那种价值最大。
由此可以得到状态转移方程:
if(j>=w[i])
m[i][j]=max( m[i-1][j], m[i-1][j-w[i]]+v[i] );
else
m[i][j]=m[i-1][j];
例:0-1背包问题。在使用动态规划算法求解0-1背包问题时,使用二维数组m[i][j]存储,m[i][j]数组值表示价值,背包容量为j,可选物品为i、i+1、……、n时0-1背包问题的最优值。绘制
价值数组v = {8, 10, 6, 3, 7, 2},
重量数组w = {4, 6, 2, 2, 5, 1},
背包容量C = 12时对应的m[i][j]数组。
0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
1 | 0 | 0 | 0 | 8 | 8 | 8 | 8 | 8 | 8 | 8 | 8 | 8 |
2 | 0 | 0 | 0 | 8 | 8 | 10 | 10 | 10 | 10 | 18 | 18 | 18 |
3 | 0 | 6 | 6 | 8 | 8 | 14 | 14 | 16 | 16 | 18 | 18 | 24 |
4 | 0 | 6 | 6 | 9 | 9 | 14 | 14 | 17 | 17 | 19 | 19 | 24 |
5 | 0 | 6 | 6 | 9 | 9 | 14 | 14 | 17 | 17 | 19 | 21 | 24 |
6 | 2 | 6 | 8 | 9 | 11 | 14 | 16 | 17 | 19 | 19 | 21 | 24 |
(第一行和第一列为序号,其数值为0)
如m[2][6],在面对第2件物品,背包容量为6时,
我们可以选择不拿,那么获得价值仅为第一件物品的价值8。
即:m[ 2 ][ 6 ] = m[1 ][ 6 ] (m[ i ][ j ] = m[ i-1 ][ j ])
如果拿,就要把第一件物品拿出来,放第二件物品,价值10,那我们当然是选择拿。
即:m[2][6] = m[2-1][6-6]+10 =0+10 = 10(m[ i ][ j ]=m[ i-1 ][ j-w[ i ] ] + v[ i ])
依次类推,得到m[6][12]就是考虑所有物品,背包容量为C时的最大价值。
#include <iostream>
using namespace std;
const int N=15;
int main() {
int v[N]={0,8,10,6,3,7,2};//注意这里多了一个前导0
int w[N]={0,4,6,2,2,5,1};
int m[N][N];
int n=6,c=12;
memset(m,0,sizeof(m));
for(int i=1;i<=n;i++) { //注意前导第0列元素为0
for(int j=1;j<=c;j++) {
if(j>=w[i])
m[i][j]=max(m[i-1][j],m[i-1][j-w[i]]+v[i]); //最优子结构
else
m[i][j]=m[i-1][j];
}
}
for(int i=1;i<=n;i++) { //输出序列
for(int j=1;j<=c;j++) {
cout<<m[i][j]<<' ';
}
cout<<endl;
}
return 0;
}
0 0 0 8 8 8 8 8 8 8 8 8
0 0 0 8 8 10 10 10 10 18 18 18
0 6 6 8 8 14 14 16 16 18 18 24
0 6 6 9 9 14 14 17 17 19 19 24
0 6 6 9 9 14 14 17 17 19 21 24
2 6 8 9 11 14 16 17 19 19 21 24
到这一步,可以确定的是可能获得的最大价值,但是我们并不清楚具体选择哪几样物品能获得最大价值。
另起一个 x[ ] 数组,x[i]=0表示不拿,x[i]=1表示拿。
m[n][c]为最优值,如果m[n][c]=m[n-1][c] ,说明有没有第n件物品都一样,则x[n]=0 ; 否则 x[n]=1。当x[n]=0时,由x[n-1][c]继续构造最优解;当x[n]=1时,则由x[n-1][c-w[i]]继续构造最优解。以此类推,可构造出所有的最优解。
- void traceback()
- {
- for(int i=n;i>1;i--) //注意这里是2-n,没有处理i=1
- {
- if(m[i][c]==m[i-1][c])
- x[i]=0; //没拿
- else
- {
- x[i]=1; //拿了
- c-=w[i];
- }
- }
- x[1]=(m[1][c]>0)?1:0; //这里处理i=1
- }
例:
某工厂预计明年有A、B、C、D四个新建项目,每个项目的投资额Wk及其 投资后的收益Vk 如下表所示,投资总额为30万元,如何选择项目才能使总收益最大?
Project项目 | Wk投资额 | Vk收益 |
A | 15 | 12 |
B | 10 | 8 |
C | 12 | 9 |
D | 8 | 5 |
- #include <iostream>
- #include <cstring>
- using namespace std;
- const int N=150;
- int v[N]={0,12,8,9,5};
- int w[N]={0,15,10,12,8};
- int x[N];
- int m[N][N];
- int c=30;
- int n=4;
- void traceback()
- {
- for(int i=n;i>1;i--)
- {
- if(m[i][c]==m[i-1][c])
- x[i]=0;
- else
- {
- x[i]=1;
- c-=w[i];
- }
- }
- x[1]=(m[1][c]>0)?1:0;
- }
- int main()
- {
- memset(m,0,sizeof(m));
- for(int i=1;i<=n;i++)
- {
- for(int j=1;j<=c;j++)
- {
- if(j>=w[i])
- m[i][j]=max(m[i-1][j],m[i-1][j-w[i]]+v[i]);
- else
- m[i][j]=m[i-1][j];
- }
- }
- /*
- for(int i=1;i<=6;i++)
- {
- for(int j=1;j<=c;j++)
- {
- cout<<m[i][j]<<' ';
- }
- cout<<endl;
- }
- */
- traceback();
- for(int i=1;i<=n;i++)
- cout<<x[i];
- return 0;
- }
输出x[i]数组:0111,输出m[4][30]:22。
得出结论:选择BCD三个项目总收益最大,为22万元。
不过这种算法只能得到一种最优解,并不能得出所有的最优解。
其他人解法:空间优化
- #include<bits/stdc++.h>
- using namespace std;
- int dp[1005][1005];
- int weight[1005];
- int value[1005];
- int main()
- {
- int n,m;
- cin>>m>>n;
- memset(dp,0,sizeof(dp));//数组清空,其实同时就把边界给做了清理
- for(int i=1; i<=n; i++)
- cin>>weight[i]>>value[i];
- //从1开始有讲究的因为涉及到dp[i-1][j],从0开始会越界
- for(int i=1; i<=n; i++)//判断每个物品能否放进
- {
- for(int j=0; j<=m; j++)//对每个状态进行判断
- //这边两重for都可以倒着写,只是需要处理最边界的情况,滚动数组不一样
- {
- if(j>=weight[i])//能放进
- dp[i][j]=max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i]);
- else dp[i][j]=dp[i-1][j];//不能放进
- }
- }
- cout<<dp[n][m]<<endl;
- return 0;
- }
然后啊,我们来仔细分析分析就会发现,这个数组开销还是很大的,因为是二维的,万一哪个数据一大,分分钟内存超限,因此有了下边的解法
传说中的---------------滚动数组!!!
啊?什么是滚动数组。
说白了二维数组只是把每个物品都跑一遍,然后到最后一个物品的时候输出答案,那么过程值只是计算的时候用一次,我没必要存下来。所以用一个数组去滚动存储,然后用后一个状态的值去覆盖前面一个状态。然后形象的叫它:滚动数组(ma!dan!一点都不形象,我理解了好久)
好吧,假装很形象。
那么问题来了,怎么样用一维的去代替二维的工作,或者说怎么去思考。这是一个难点。
那么我们想,遍历物品的那个for肯定不能省去,然后里边的for也不能省。。。。那么。就把那个i给他删了吧,好像确实没啥用哦。
然后就出现了这样的代码
- for(int i=1; i<=n; i++)
- {
- for(int j=weight[i]; j<=m; j++)
- {
- dp[j]=max(dp[j],dp[j-weight[i]]+value[i]);
- }
- }
看上去好像很厉害的样子,但是这个绝对是错的,因为第二个for里存在某个dp[j]被改动过,然后再次影响到更大的j。就像我们再对一个数组进行移位操作,一不小心就全部成了一样的数。(别笑,你们以前肯定碰到过|||- -)
额。。回到正题,上边的代码会有重复影响,确实歪打正着的碰上了另一个背包。这个另说,现在附上正确的思路。
- #include<bits/stdc++.h>
- using namespace std;
- int dp[1005];//滚动数组的写法,省下空间省不去时间
- int weight[1005];
- int value[1005];
- int main()
- {
- int n,m;
- cin>>m>>n;
- memset(dp,0,sizeof(dp));
- for(int i=1; i<=n; i++)
- cin>>weight[i]>>value[i];
- for(int i=1; i<=n; i++)//对每个数判断,可反
- {
- for(int j=m; j>=weight[i]; j--)//这里这个循环定死,不能反,反了就是完全背包
- {
- dp[j]=max(dp[j],dp[j-weight[i]]+value[i]);//其实不断在判断最优解,一层一层的
- }
- }
- cout<<dp[m]<<endl;
- return 0;
- }