前言
背包问题只是动态规划问题下的一个分类,求解0-1背包问题的思路本质上与求解动态规划的一般思路是一致的,我们经常遇到新的题目做不出来,并不是因为没有掌握动态规划的思想,而有可能是因为没有遇到这类具有显著特征的题目,无法将一般动态规划的解题思路应用在实战中。
动态规划的原理:
① 最优子结构性质:问题的最优解可以转化为求子问题的最优解,也就是说问题的最优解可以从子问题的最优解中得出。
② 子问题重叠性质:问题的解由子问题的解组成,所以先构造子问题的解,才能求出最终问题的解。而求问题的解时,由于已经记录子问题的解,所以不必重新求子问题的解,只需取出来使用即可。
经典例题
有 N 件 物 品 和 一 个 容 量 为 V 的 背 包 。 放 入 第 i 件 物 品 耗 费 的 空 间 是 C i , 得 到 的 价 值 是 W i 。 求 解 将 哪 些 物 品 装 入 背 包 可 使 价 值 总 和 最 大 。 有N件物品和一个容量为V 的背包。放入第i件物品耗费的空间是Ci,得到 的价值是Wi。 \\求解将哪些物品装入背包可使价值总和最大。 有N件物品和一个容量为V的背包。放入第i件物品耗费的空间是Ci,得到的价值是Wi。求解将哪些物品装入背包可使价值总和最大。
例 : N = 5 , V = 10 例:N = 5,V=10 例:N=5,V=10
物品 | A | B | C | D | E |
---|---|---|---|---|---|
Wealth | 3 | 4 | 5 | 6 | 7 |
Cost | 1 | 2 | 5 | 6 | 8 |
这是最基础的0-1背包问题
先看下图,是在求出问题的解后整个动态规划表呈现的结果。下面就来看看这张表是如何一步步填上去并求出最终问题解的。
解题思路
① 确定子问题
求容量为V的背包装入物品的价值总和最大,则考虑第i件物品是否放入背包,使得背包的价值保持最大。
② 确定状态及数组
用一个二维数组F[i][j]表示前i件物品放入容量为j的背包中可以获得的最大价值(注意此处的容量是背包的总容量,而不是背包的剩余容量)
③ 确定边界值
F[0][0…V] = 0:表示不管第0件物品放入任意容量的背包中其最大价值都是0,因为不存在第0件物品。
F[0…N][0] = 0:表示任意物品放入容量为0的背包中其最大价值都是0,因为容量为0的背包装不下任何物品。
④ 确定状态转移方程
Ⅰ:若第i件物品无法放入容量为j的背包中
则 前 i 件 物 品 放 入 容 量 为 j 的 背 包 中 的 最 大 价 值 等 于 前 i − 1 件 物 品 放 入 容 量 为 j 的 背 包 中 的 最 大 价 值 , 即 : F [ i ] [ j ] = F [ i − 1 ] [ j ] \\则前i件物品放入容量为j的背包中的最大价值等于前i-1件物品放入容量为j的背包中的最大价值,\\即:F[i][j] = F[i-1][j] 则前i件物品放入容量为j的背包中的最大价值等于前i−1件物品放入容量为j的背包中的最大价值,即:F[i][j]=F[i−1][j]
Ⅱ:若第i件物品可以放入容量为j的背包中,则分两种情况:
第 i 件 物 品 放 入 容 量 为 j 的 背 包 中 , 得 到 前 i 件 物 品 的 最 大 价 值 : F 1 [ i ] [ j ] = F [ i − 1 ] [ j − C i ] + W i 第 i 件 物 品 不 放 入 容 量 为 j 的 背 包 中 , 得 到 前 i 件 物 品 的 最 大 价 值 : F 2 [ i ] [ j ] = F [ i − 1 ] [ j ] 取 F 1 还 是 F 2 取 决 于 谁 的 价 值 更 大 , 即 : F [ i ] [ j ] = m a x ( F 1 [ i ] [ j ] , F 2 [ i ] [ j ] ) 第i件物品放入容量为j的背包中,得到前i件物品的最大价值:F_1[i][j] = F[i-1][j-C_i] + W_i \\第i件物品不放入容量为j的背包中,得到前i件物品的最大价值:F_2[i][j] = F[i-1][j] \\取F_1还是F_2取决于谁的价值更大,即:F[i][j] = max(F_1[i][j],\ F_2[i][j]) 第i件物品放入容量为j的背包中,得到前i件物品的最大价值:F1[i][j]=F[i−1][j−Ci]+Wi第i件物品不放入容量为j的背包中,得到前i件物品的最大价值:F2[i][j]=F[i−1][j]取F1还是F2取决于谁的价值更大,即:F[i][j]=max(F1[i][j], F2[i][j])
例:
第Ⅰ种情况:
当[i,j] = [2,1]时,物品B的耗费空间Cost=2,而背包的体积 j=1,很明显物品B无法放入背包中,所以
F
[
2
]
[
1
]
=
F
[
1
]
[
1
]
=
3
F[2][1] = F[1][1] = 3
F[2][1]=F[1][1]=3
第Ⅱ种情况:
当[i,j] = [2,3]时,物品B的耗费空间Cost = 2,而背包的体积 j=3,物品B可以放入背包中,所以
F
[
2
]
[
3
]
=
m
a
x
(
F
[
1
]
[
3
]
,
F
[
1
]
[
3
−
2
]
+
4
)
=
m
a
x
(
3
,
3
+
4
)
=
m
a
x
(
3
,
7
)
=
7
F[2][3] = max(F[1][3], F[1][3-2] + 4)=max(3,3+4)=max(3,7)=7
F[2][3]=max(F[1][3],F[1][3−2]+4)=max(3,3+4)=max(3,7)=7
作者在理解Ⅱ时有一个困惑:为什么第i件物品可以放入容量为j的背包中还需要比较不放入的情况?
当
[
i
,
j
]
=
[
5
,
9
]
时
,
物
品
E
需
要
占
用
C
o
s
t
=
8
,
而
背
包
容
量
j
=
9
>
C
o
s
t
,
所
以
背
包
可
以
放
入
E
这
件
物
品
如
果
放
入
E
,
那
么
就
要
腾
出
E
的
空
间
,
所
以
F
1
[
5
]
[
9
]
=
F
[
5
−
1
]
[
9
−
C
o
s
t
E
]
+
W
e
a
l
t
h
E
=
10
如
果
不
放
入
E
,
那
么
不
需
要
腾
出
E
的
空
间
,
所
以
F
E
[
5
]
[
9
]
=
F
[
4
]
[
9
]
=
13
,
可
以
看
到
不
放
入
E
反
而
让
背
包
的
总
价
值
更
大
当[i,j] = [5,9]时,物品E需要占用Cost=8,而背包容量j=9 > Cost,所以背包可以放入E这件物品\\ 如果放入E,那么就要腾出E的空间,所以F_1[5][9] = F[5-1][9-Cost_E] + Wealth_E = 10\\ 如果不放入E,那么不需要腾出E的空间,所以F_E[5][9] = F[4][9]=13,可以看到不放入E反而让背包的总价值更大\\
当[i,j]=[5,9]时,物品E需要占用Cost=8,而背包容量j=9>Cost,所以背包可以放入E这件物品如果放入E,那么就要腾出E的空间,所以F1[5][9]=F[5−1][9−CostE]+WealthE=10如果不放入E,那么不需要腾出E的空间,所以FE[5][9]=F[4][9]=13,可以看到不放入E反而让背包的总价值更大
所以并不是说物品E可以放入就马上放入,因为每放入一件物品都要腾出相应的空间
V
腾
出
的
空
间
=
C
o
s
t
i
V_{腾出的空间} = Cost_i
V腾出的空间=Costi
而腾出的空间可以放入其它物品,而有可能放入其它的物品价值总和大于物品E的价值。
⑤ 代码实现
public class Solution{
public int dp(int[] wealth, int[] cost, int V, int N){
//特殊状态处理
if(wealth.length != cost.length){return -1;}
if(wealth.length == 0){return 0;}
if(wealth.length == 1){
if(cost[0] > V){
return 0;
}else{
return wealth[0];
}
}
int[][] F = new int[N + 1][V+1];
//边界值处理
for(int i = 1; i < N + 1; i++){
for(int j = 1; j < V + 1; j++){
//先假设不能放入容量为j的背包
F[i][j] = F[i-1][j];
//判断能不能放入背包
if(j >= cost[i-1]){
F[i][j] = Math.max(F[i-1][j], F[i-1][j-cost[i-1]] + wealth[i-1]);
}
}
}
return F[N][V];
}
}
时间有限,能力有限,若有误希望能够指出,乐意与大家交流!