3.背包问题

1、0-1背包问题

• 现在有一个小偷，要从商店偷走一些物品。这些物品只能选择带走，或者不带走（要么0，要么1）。物品一共有n件，第i件商品的重量是Wi，价值是Vi。小偷的背包只能带走Wj斤的物品。求应该带走哪几样物品，使得价值最高。

2、部分背包问题

• 背景和上述一致，但是这次小偷可以带走物品的一部分，而不是必须带走1个完整的物品。可以理解为：
  • 0-1背包问题中：物品是金锭、银锭、铜锭。
  • 部分背包问题中：物品是金沙、银沙、铜沙。

3、解决方案

• 贪心算法可以求解【部分背包问题】，但是不能解决【0-1背包问题】。贪心算法核心就在于贪心策略的选择。现在假设有下列贪心策略：
  • 选择单位重量价值最高的。
    • 背包承重50kg，有3个物品：10kg-60块、20kg-100块、30kg-120块。我们选择单位重量价值最高的：那么先拿走10kg-60块，背包还剩下40kg。此时单位重量价值最高的是20kg-100块。装进去以后，背包里有30kg，总价值为160块。此时只剩下20kg的容量，装不下30kg-120块了。很明显，这种选择不如拿走（20kg-100块）和（30kg-120块），可以把背包装满，总价值是220块。
    • 选择价值最高的。
      • 很容易举出反例：10kg-20块，20kg-30块，50kg-35块。
  • 选择重量最高的。
    • 反例：10kg-20块，20kg-30块，50kg-35块。

贪心算法没法从全局去规划，求出全局最优解。它只能求出子问题的最优解，把子问题的最优解合并以后，未必是全局的最优解。

贪心算法在子问题得出最优解以后，哪怕之后还有更优解，但是已经无法剔除之前作出的选择。（导致无法得到全局最优解）

• 在0-1背包问题上，无法得出最优解的主要原因是：贪心策略的规则下，无法保证背包一定能被装满。部分空闲的背包容量，导致已经装进去的物品的平均价值降低了。（上述例子中，剩余的20kg，无法装下最后的那个30kg的物品）