0-1背包问题

问题描述：

        给定n种物品和一背包。物品i的重量是wi，其价值为vi，背包的容量为C。问应如何选择装入背包的物品，使得装入背包中物品的总价值最大?（在选择装入背包的物品时，对每种物品i只有两种选择，即装入背包或不装入背包。不能将物品i装入背包多次，也不能只装入部分的物品i。因此，该问题称为0-1背包问题）

算法描述：

        由0-1背包问题的最优子结构性质，我们可以建立m(i, j)的递归表达式如下：

          基于以上讨论，当wi(1≤i≤n）为正整数时，用二维数组m[ ][ ]来存储m（i，j）的相应值，可设计解0-1背包问题的动态规划算法Knapsack如下：

template<class Type>
void Knapsack(Type v, int w, int c, int n, Type** m)
{
	int jMax = min(w[n] - 1, c);
	for (int j = 0; j <= jMax; j++)
         m[n][j] = 0;
	for (int j = w[n]; j <= c; j++)
         m[n][j] = v[n];
	for (int i = n - 1; i > 1; i--) {
		jMax = min(w[i] - 1, c);
		for (int j = 0; j <= jMax; j++)
            m[i][j] = m[i + 1][j];
		for (int j = w[i]; j <= c; j++)
            m[i][j] = max(m[i + 1][j], 
                 m[i + 1][j - w[i]] + v[i]);
	}
		m[1][c] = m[2][c];
		if (c >= w[1])m[1][c] = max(m[1][c], 
                 m[2][c - w[1]] + v[1]);
}
//构造最优解
template<class Type>
void Traceback(Type** m, int w, int c, int n, int x)
{
	for (int i = 1; i < n; i++)
		if (m[i][c] == m[i + 1][c])x[i] = 0;
		else { x[i] = 1; c -= w[i]; }
	x[n] = (m[n][c]) ? 1 : 0;
}

        按上述算法Knapsack计算后，m[1 ][c ]给出所要求的0-1背包问题的最优值。相应的最优解可由算法Traceback计算如下。如果m[1 ][ c]=m[ 2][c ]，则x1=0，否则x1=1，当x1=0时，由mm[ 2][c ]继续构造最优解。当x1=1时，由m[ 2][c -w1]继续构造最优解。依次类推，可构造出相应的最优解（x1，x2，···，xn）。 

        时间复杂度：0-1背包问题的动态规划算法的时间复杂度为O(nW)，其中n为物品数量，W为背包容量。