动态规划——背包问题

问题描述：

有n个物品，编号1,2,3，、、n，其中第 i 个物品重量为Wi 价值 Vi ，有一个容量为W的背包。

在容量允许范围内，如何选择物品，可以得到最大的价值。（为了简单起见，假设物品的重量 Wi 和价值Vi 都是正数）

 

根据取物品的方式，背包问题又可以被分为三类：

0/1背包问题(0-1 knapsack problem)

这也是最常见的背包问题，对于每个物品，要么取走要么不取走，每个物品只能取一次。

可以用数学表达式表示为：

• maximize   
• subject to  

其中xi只能为1 或者0  所以称为背包问题。

 

这个问题要求解的是能用背包带走的物品的最大价值。

定义 m[i,w] 为：用第1,、2、3、、i 个物品装入质量<=W的背包的最大价值。

m[i,w]的取值情况分析：

1）  ，背包的质量为w，里面没有物品，所以它的价值为0；

2）   ，背包质量为0，所以里面没法装任何东西， 不论前面的 i 是多少，总价值为0；

对于任意的第 i  个物品，有两种情况，放进背包或者不放。

不要第 i  个物品 如果 则：

3）    因为第i 个物品的重量大于背包的容量，所以不可放入。

如果. 那么

4）  

对于第 i 个物品，有两种可选择方案：

如果放入背包中，那么 m[i,w]=m[i-1,w-wi]+vi　也就是 i 的前一个的最大值加上自己的价值。

如果不要第 i 个物品，那么：m[i,w]=m[i-1,w]。也就是 i 的前一个的最大值。

因为背包问题最后要取得最大的价值，所以就选这两种情况中价值最大的。

在这个问题中，定义子问题： m[i,w] 对于每个子问题，都可通过上面的分析求出。通过3），4）可以发现，每一次求取子问题，问题的规模就被缩小。

要么在w 上减小，要么在 i 上减小。最后问题的规模会被缩小为 m[i,0]和m[0,w].而这两个的值都为0，只要逆向思维反推回去，就能逐步得到问题的解。