研究生课程系列文章参见索引《在信科的那些课》
之前整理了屈奶奶讲的背包问题,感谢cyh24童鞋留言,传我一份武林秘籍《背包问题九讲》,实践了一下文档里对空间复杂度的改进。
0-1背包问题
通过之前的分析,Fk(y) 表示只允许装前k 种物品,背包总重不超过y 时背包的最大价值。得到0-1背包的递推公式和边界条件:
对空间的优化主要在Fk(y),原本我们用两个循环实现:
for(int k=1;k<=N;k++){
for(int y=1;y<=B;y++){
if(y-w[k-1]<0){
F[k][y]=F[k-1][y];
tagi[k][y]=tagi[k-1][y];
}
else{
//允许装入k件物品,价值的两种情况:
//不装第k件物品或至少装1件第k件物品
F[k][y]=F[k-1][y]>F[k][y-w[k-1]]+v[k-1] ? F[k-1][y]:(F[k][y-w[k-1]]+v[k-1]);
tagi[k][y]=F[k-1][y]>F[k][y-w[k-1]]+v[k-1]?tagi[k-1][y]:k;
}
}
}
实际并一定不需要F[N][B]的空间,如果内层循环以B...0递推,即下面的形式:
for(int k=1;k<=N;k++){
for(int y=B;y>0;y--){
F[y]=max{F[y],F[y-w[i]]+v[i]};
}
}
因为是以B...0倒序递推,则F[y]此时就是F[k-1][y]的值,而F[y-w]还未改变,仍为F[k-1][y-w]的值。因此可以用一维数组存储原来的优化函数信息。代码如下:
void ZeroOnePack(int F[],int tagi[],int v, int w,int k){
for(int i=B;i>0;i--){
if(i-w>=0&&F[i]<=(F[i-w]+v)){
F[i]=F[i-w]+v;
tagi[i]=k;
}
}
}
完全背包问题
再看完全背包问题,即每个物品有无限件,不限每个物品装入的个数。得到递推关系和边界条件:
递归公式最主要的区别是Fk(y-wk)+vk,而非原来的Fk-1(y-wk)+vk,即物品可以在前k件中继续挑选。用一维数组时希望此时F[y]的数值即为F[k-1][y]的数值,而F[y-w]的数值为改变之后的F[k-1][y-w]的数值。因此我们可以用顺序0...B(而非逆序B...0)实现:
for(int k=1;k<=N;k++){
for(int y=0;y>B;y++){
F[y]=max{F[y],F[y-w[i]]+v[i]};
}
}
具体代码如下:
void CompletePack(int F[],int tagi[],int v, int w,int k){
//F[i]=F[i]>(F[i-w]+v)?F[i]:(F[i-w]+v);
//tagi=F[i]>(F[i-w]+v)?tagi:tagi+1;
for(int i=1;i<=B;i++){
if(i-w>=0&&F[i]<=(F[i-w]+v)){
F[i]=F[i-w]+v;
tagi[i]=k;
}
}
}
测试用例
前面是0-1背包和完全背包的内层循环,还需要一个外层循环调用:
void Knapsack(int F[],int tagi[][B+1],int v[], int w[]){
for(int i=0;i<B+1;i++){
F[i]=tagi[0][i]=0;
}
for(int i=0;i<N+1;i++)
tagi[i][0]=0;
for(int i=0;i<N;i++){
for(int j=0;j<B+1;j++)
tagi[i+1][j]=tagi[i][j];
//0-1背包
ZeroOnePack(F,tagi[i+1],v[i],w[i],i+1);
//完全背包
//CompletePack(F,tagi[i+1],v[i],w[i],i+1);
}
}
还有 之前文章的例子来测试,输出结果: