背包九讲自学手册——第一讲

      前段时间因为忙着做老师的项目，一直没有太多时间去刷题和研究算法，最近稍微空闲了一些。因为发现自己在动态规划问题上的薄弱，加上背包问题是典型的利用动态规划求最优解的问题，因此决定将网上流传的“背包九讲”学习一遍。今天阅读了最简单的一讲：0-1背包问题，并在本地用C++对其进行了实现。

      背包问题的题干很简单：给定互不相同的若干商品各一件，以及它们各自的价格与价值（限制为整数）。在背包容量（也即可供使用的总钱数）一定的条件下，如何确定可塞入背包的商品，使其总价值最大？

       最朴素的想法就是一个个地去试。商品种类少的时候还好，一旦多起来运算量就变得十分恐怖（指数级复杂度）。背包九讲中首先给出一个递推公式：

                       

      此处，表示前i个包中容量为v时可得到的最大价值。经过线性规划后的复杂度降为O(nv)，具体的推导过程不再阐释。Visual Studio平台下的实现代码如下所示：

#include "stdafx.h"
#include <iostream>
#include <vector>
#include <stack>

using namespace std;

struct goods{
	int cost;          //价格
	int value;         //价值
	goods(int p=0,int q=0):cost(p),value(q){}          //默认构造函数
};

int _tmain(int argc, _TCHAR* argv[])          //使用动态规划思想解决背包问题
{
	int number,volumn;                   //输入物品数与背包容量
	cout<<"Please input the number of goods and the volumn of the package:"<<endl;
	cin>>number>>volumn;
	cout<<"Please input the price and value of each goods(sorted in index):"<<endl;
	vector<goods> data; 
	goods ini;
	data.push_back(ini);                //输入第零个商品
	for(int i=0;i<number;i++)           //按序输入商品数据
	{
		int a,b;
		cin>>a>>b;
		goods temp(a,b);
		data.push_back(temp);
	}

    /** 
	设计二维数组，用于动态规划，一维是商品数，二维是背包容量，
	含义是：在商品数目为number，背包容量为volumn时可获得的最大价值 
	**/

	vector< vector<int> > f(number+1,vector<int>(volumn+1,0));                   
	for(int j=1;j<=number;j++)
	{
		for(int c=1;c<data[j].cost;c++)
			f[j][c]=f[j-1][c];
		for(int k=data[j].cost;k<=volumn;k++)
			f[j][k]=max(f[j-1][k],f[j-1][k-data[j].cost]+data[j].value);
	}
	cout<<"The maximum value we can get is:"<<f[number][volumn]<<endl;
	cout<<"The indexes of goods which is picked are listed below:"<<endl;
	stack<int> res;
	int l=number;
	int tp=volumn;
	while(l>0)                         //倒过来追踪商品
	{
		if(f[l][tp]!=f[l-1][tp])
		{
			res.push(l);
			tp-=data[l].cost;
		}
		l--;
	}
	while(!res.empty())
	{
		cout<<res.top()<<" ";
		res.pop();
	}
	cout<<endl;
	return 0;
}

       此处采用的是没有优化过空间复杂度的算法。优化空间复杂度的情形下，只需要设计一个一维动态数组，且在二维的遍历方向是从高到低。