-----Edit by ZhuSenlin HDU
本人博文《背包问题——“完全背包”详解及实现(包含背包具体物品的求解)》中已详细谈过完全背包问题,同时在博文《背包问题——“01背包”最优方案总数分析及实现》中也总结过01背包的最优方案总数的实现。这里我们模仿01背包最优方案总数方法给出完全背包的最优方案求解方法。
重写完全背包的动态规划的状态及状态方程:
完全背包是在N种物品中选取若干件(同一种物品可多次选取)放在空间为V的背包里,每种物品的体积为C1,C2,…,Cn,与之相对应的价值为W1,W2,…,Wn.求解怎么装物品可使背包里物品总价值最大。
设物品种类为N,背包容量为V,每种物品的体积为C[i],价值为W[i]。
子问题定义:F[i][j]表示前i种物品中选取若干件物品放入剩余空间为j的背包中所能得到的最大价值。
状态方程为:
(2-2)
在文章《背包问题——“01背包”最优方案总数分析及实现》中曾定义G[i][j]代表F[i][j]的方案总数。这里我们也做相同的定义,那么最终的结果应该为G[N][V]。
由01背包转变到完全背包后G[i][j]该怎么求?
对于01背包来说,G[i][j]求法如下(摘自:《背包问题——“01背包”最优方案总数分析及实现》):
如果F[i][j]=F[i-1][j]且F[i][j]!=F[i-1][j-C[i]]+W[i]说明在状态[i][j]时只有前i-1件物品的放入才会使价值最大,所以第i件物品不放入,那么到状态[i][j]的方案数应该等于[i-1][j]状态的方案数即G[i][j]=G[i-1][j];
如果F[i][j]=F[i-1][j-C[i]]+W[i] 且F[i][j]!=F[i-1][j]说明在状态[i][j]时只有第i件物品的加入才会使总价值最大,那么方案数应该等于[i-1][j-C[i]]的方案数,即G[i][j]=G[i-1][j-C[i]];
如果F[i][j]=F[i-1][j-C[i]]+W[i] 且F[i][j]=F[i-1][j]则说明即可以通过状态[i-1][j]在不加入第i件物品情况下到达状态[i][j],又可以通过状态[i-1][j-C[i]]在加入第i件物品的情况下到达状态[i][j],并且这两种情况都使得价值最大且这两种情况是互斥的,所以方案总数为G[i][j]=G[i-1][j-C[i]]+ G[i-1][j]。
对于完全背包,我们也可以根据其状态方程来进行条件判断:
如果F[i][j] = F[i-1][j]且F[i][j] != F[i][j-C[i]]+W[i],说明背包总不存在第i种物品,也就是说背包种物品仍由前i-1种物品组成,那么应该有G[i][j] = G[i-1][j];
如果F[i][j] = F[i][j-C[i]]+W[i]且F[i][j] != F[i-1][j],则说明背包中必定存在第i种物品使背包达到[i][j]状态的最大值,G[i][j] = G[i][j-C[i]];
如果F[i][j] = F[i][j-C[i]]+W[i]且F[i][j] = F[i-1][j],则说明背包中存在i与不存在i都可以达到最大值,那么这个方案数应该由两者叠加,因为这两种情况是互斥的,即G[i][j] = G[i-1][j]+G[i][j-C[i]]。
伪代码如下(注意和01背包情况的区分):
F[0][] ← 0
F[][0] ← 0
G[][ ] ← 1
for i ← 1 to N
do for j ← 1 to V
F[i][j] ← F[i-1][j]
G[i][j] ← G[i-1][j]
if (j >= C[i])
if (F[i][j] < F[i][j-C[i]]+W[i])
then F[i][j] ← F[i][j-C[i]]+W[i]
G[i][j] ← G[i][j-C[i]]
else if (F[i][j] = F[i][j-C[i]]+W[i])
then G[i][j] ← G[i-1][j]+G[i][j-C[i]]
return F[N][V] and G[N][V]
同样,上述方法在保存状态F[][]及G[][]时需要O(NV)的空间复杂度,下面我们对空间复制度进行优化。
压缩空间复杂度为O(V)
F[i][j]与G[i][j]只分别与F[i-1][]和G[i-1][]的状态有关,所以我们可以用两个一维数组F[]和G[]来替换二维数组F[][]和G[][]。
直接给出伪代码:
F[] ← 0
G[] ← 1
for i ← 1 to N
do for j ← C[i] to V
if (F[j] < F[j-C[i]]+W[i])
then F[j] ← F[j-C[i]]+W[i]
G[j] ← G[j-C[i]]
else if (F[j] = F[j-C[i]]+W[i])
then G[j] ← G[j]+G[j-C[i]]
return F[V] and G[V]
和01背包的最优方案总数相比上述伪代码只是调换了一下C[i]与V的遍历顺序,具体思想请看博文《背包问题——“完全背包”详解及实现(包含背包具体物品的求解)》
下面对数据表给出以上两种不同空间复杂度的详细代码:
物品号i | 1 | 2 | 3 |
体积C | 2 | 2 | 2 |
价值W | 5 | 5 | 5 |
因为完全背包的方案一般较多,这里只列举3种物品,方便大家验证。
#include <iostream>
#include <cstring>
#include "CreateArray.h" //该头文件用于动态创建和销毁二维数组,读者自己实现
using namespace std;
//时间复杂度O(VN),空间复杂度为O(VN)
int Package02Optimal(int Weight[], int Value[], int nLen, int nCapacity)
{
int** MaxValueTable = NULL;
int** OptimalTable = NULL;
CreateTwoDimArray(MaxValueTable,nLen+1,nCapacity+1); //创建最大价值表
CreateTwoDimArray(OptimalTable,nLen+1,nCapacity+1); //创建最优方案总数表
//initiallize all OptimalTable[][] with 1
for(int i = 0; i <= nLen; i++)
for(int j = 0; j <= nCapacity; j++)
OptimalTable[i][j] = 1;
for(int i = 1; i <= nLen; i++)
{
for(int j = 1; j <= nCapacity; j++)
{
MaxValueTable[i][j] = MaxValueTable[i-1][j];
OptimalTable[i][j] = OptimalTable[i-1][j];
if(j >= Weight[i-1])
{
if(MaxValueTable[i][j] < MaxValueTable[i][j-Weight[i-1]]+Value[i-1])
{
MaxValueTable[i][j] = MaxValueTable[i][j-Weight[i-1]]+Value[i-1];
OptimalTable[i][j] = OptimalTable[i][j-Weight[i-1]];
}
else if(MaxValueTable[i][j] == (MaxValueTable[i][j-Weight[i-1]]+Value[i-1]))
{
OptimalTable[i][j] = OptimalTable[i-1][j]+OptimalTable[i][j-Weight[i-1]];
}
}
}
}
cout << endl << "OptimalCount:" << OptimalTable[nLen][nCapacity] << endl;
int nRet = MaxValueTable[nLen][nCapacity];
DestroyTwoDimArray(MaxValueTable,nLen+1); //销毁最大价值表,防止内存泄露
DestroyTwoDimArray(OptimalTable,nLen+1); //销毁最优方案表,防止内存泄露
return nRet;
}
//时间复杂度O(VN),空间复杂度为O(V)
int Package02Optimal_Compress(int Weight[], int Value[], int nLen, int nCapacity)
{
int * MaxValueTable = new int [nCapacity+1];
memset(MaxValueTable,0,(nCapacity+1)*sizeof(int));
//initiallize all OptimalTable[] with 1
int* OptimalTable = new int[nCapacity+1];
for(int i = 0; i <= nCapacity; i++)
OptimalTable[i] = 1;
for(int i = 0; i < nLen; i++)
{
for(int j = Weight[i]; j <= nCapacity; j++)
{
if(MaxValueTable[j] < MaxValueTable[j-Weight[i]]+Value[i])
{
MaxValueTable[j] = MaxValueTable[j-Weight[i]]+Value[i];
OptimalTable[j] = OptimalTable[j-Weight[i]];
}
else if(MaxValueTable[j] == MaxValueTable[j-Weight[i]]+Value[i])
OptimalTable[j] = OptimalTable[j-Weight[i]]+OptimalTable[j];
}
}
cout << endl << "OptimalCount:" << OptimalTable[nCapacity] << endl;
int nRet = MaxValueTable[nCapacity];
delete [] OptimalTable;
delete [] MaxValueTable;
return nRet;
}
//测试代码
int main()
{
//int Weight[] = {3,2,5,1,6,4};
//int Value[] = {6,5,10,2,16,8};
int Weight[] = {2,2,2};
int Value[] = {5,5,5};
int nCapacity = 10;
cout << "MaxValue:" << Package02Optimal(Weight,Value,sizeof(Weight)/sizeof(int),nCapacity) << endl;
cout << "MaxValue:" << Package02Optimal_Compress(Weight,Value,sizeof(Weight)/sizeof(int),nCapacity) << endl;
return 0;
}
以上部分内容参考《背包九讲》