分支限界法01背包问题_01背包问题

最近在做调度系统相关的事情，看到论文中描述通过最大流来解决调度的整体最优。然后我们尝试使用背包问题来解决，背包问题能不能解决调度最优不重要，重要的是我看到网上描述的背包问题的解法容易把人看蒙圈了，所以我做个视频讲一下01背包问题。

1.01背包问题的描述

有n个不可分割的物品，它们有各自的重量和价值，现有固定容量的背包，选择把哪些物品放入背包可以让背包中物品的价值最大。

2.错觉

按照价值和重量的比值(性价比)进行排序，依次尝试放入直到放不进背包为止。但是细想思考一下就能发现，这个贪心算法是有问题的，看下面一个例子。背包容量10kg，有3物品： {1kg｜4¥} ，{4kg｜5¥}， {6kg｜6¥}。如果使用贪心算法，得出如下图的结果，这显然不行。

3.正确的解法

3.1 简单粗暴的方式:

把每种可能性都尝试一次。有n个物品，每个物品有两种选择(放入背包，不放入背包)。一共有2的n次方种可能。每种可能计算出总重量和总价值，在满足背包重量的可能情况中选择出价值最大的。

3.2 问题分解/动态规划：

3.2.1 动态规划的基本思路：

动态规划的基本思想是将待求解的问题分解成若干子问题，先求解子问题，然后从子问题的解得到原问题的解。我们可以用一个表格来记录所有已解的子问题的答案。不管该子问题以后是否被用到，只要它被计算过，就将其结果填入表格中。这就是动态规划法的基本思路。

3.2.2 使用动态规划的思路进行思考：

n个物品，编号分别从1到n(无需排序)。

1.处理第一个物品，处理的过程很简单，把背包容量是0到背包总量的情况都计算出背包最大能容纳下的价值。

2.考虑怎么在已经存在了部分解的情况下继续找出最大价值。处理2到n物品时，情况类似。都是基于已经有部分解的情况下进行处理。把当前处理的物品标记为物品i。下面分析i是怎么处理的，然后让i从2到n依次的进行处理。处理第i个物品有两种情况(和处理物品1时情况一样)：

    A.背包放不下物品i (背包的总容量，而不是剩余空间)，i最优解和i-1的最优解一样

    B.背包放得下物品i(分两种情况)：

        B.1.不把i放入背包，价值和i-1一样

        B.2.把i放入背包，在i-1的背包问题解中，去除i的重量，然后把i加进去，

        对B中的两种情况分别进行计算，在两者中选出大的那个值，f[i，j] = max{ f[i-1,j], f[i-1.j-Wi] + Pi}。(注：j是背包的容量，f[i,j]是背包容量为j处理到i物品时的最大价值，Wi时i物品的重量，Pi时i物品的价值)

3.2.3 做个表格试试吧：

现在有5个物品，分别为 A{4kg｜6¥}，B{5kg|4¥},C{6kg|5¥},D{2kg|3¥},E{2kg|6¥}。背包容量10kg。我们看一下视频(如果不明白上面的表达式，需要通过这个视频来理解)：

视频中最后得到的表格如下图，表格中右上角的数字15就是最终的解。

4.延伸一下

4.1 多重背包问题

和01背包问题的区别是，第i件物品有 n[i]件(不止一件)。这个问题可以通过转换变成01背包来处理。把物品i的多件物品当作不同的物品进行处理。从新编号成每个物品都有唯一的编号，就变成了01背包问题。

4.2 完全背包问题，

和01背包类似，不同的是每件物品数量无限。把他转换成多重背包进行处理。把i物品的数量从无限转换成有限。转换的方式为背包只放i物品能放下几个，这是物品i的件数。

5.思考

通过最后的表格，是否能看出来，哪件物品被选中了。如果能看出来说明理解了。

6.后续

可能会讲一下红黑树是怎么调节平衡的，linux的伙伴系统，或者是矩阵运算规则。