动态规划背包问题

1. 首先介绍一下动态规划...

   设计一个动态规划算法，通常可按照以下几个步骤进行：

   (1) 找出最优解的性质，并刻画其结构特征。

   (2) 递归地定义最优解的值

   (3) 以自底而上的方式计算出最优值

   (4) 根据计算最优值时得到的信息，构造一个最优解。

   对于一个给定的问题，若具有以下两个性质，则可以考虑用动态规划法来求解。

   (1) 最优子结构。如果一个问题的最优解中包含了其子问题的最优解，就说该问题具有最优子结构。当一个问题具有最优子结构时，提示我们动态规划法可能会适用，但是此时贪心策略可能也是适用的。

   (2) 重叠子问题。指用来解原问题的递归算法可反复地解同样的子问题，而不是总在产生新的子问题。即当一个递归算法不断地调用同一个问题时，就说该问题包含重叠子问题。此时若用分治法递归求解，则每次遇到子问题都会视为新问题，会极大地降低算法的效率，而动态规划法总是充分利用重叠子问题，对于每个子问题仅计算一次，把解保存在一个在需要时就可以查看的表中，而每次查表的时间为常数。

   问题：有n个物品，第i个物品价值为vi，重量为wi，其中vi和wi均为非负数，背包的容量为W，W为非负数。现需要考虑如何选择装入背包的物品，使装入背包的物品总价值最大。该问题以形式化描述如下：

          目标函数为 ：     

          约束条件为：

          满足约束条件的任一集合（x1，x2，...，xn）是问题的一个可行解，问题的目标是要求问题的一个最优解。考虑一个实例，假设n=5，W=17， 每个物品的价值和重量如表9-1所示。可将物品1，2和5装入背包，背包未满，获得价值22，此时问题解为你（1，1，0，0，1）。也可以将物品4和5装入背包，背包装满，获得价值24，此时解为（0，0，0，1，1）。

   

         下面根据动态规划的4个步骤求解该问题。

   (1) 刻画0-1背包问题的最优解的结构。

         可以将背包问题的求解过程看作是进行一系列的决策过程，即决定哪些物品应该放入背包，哪些物品不放入背包。如果一个问题的最优解包含了物品n，即xn=1，那么其余x1，x2，...，x(n-1)一定构成子问题1，2，...，n-1在容量W-wn时的最优解。如果这个最优解不包含物品n，即xn=0，那么其余x1，x2，...，x(n-1)一定构成子问题1，2，...，n-1在容量W时的最优解。

   (2)递归定义最优解的值

        根据上述分析的最优解的结构递归地定义问题最优解。设c[i,w]表示背包容量为w时，i个物品导致的最优解的总价值，得到下式。显然要求c[n,w]。

   

    

   (3)计算背包问题最优解的值

   上代码：

   
   
2. #include <iostream>  
3. using namespace std;  
4.   
5. /*** 
6. c[i][w]表示背包容量为w时，i个物品导致的最优解的总价值，大小为(n+1)*(w+1) 
7. v[i]表示第i个物品的价值，大小为n 
8. w[i]表示第i个物品的重量，大小为n 
9. ***/  
10.   
11. void DP(int n, int W, int c[][18], int *v, int *wei)  
12. {  
13.     memset(*c, 0, (W+1)*sizeof(int));  
14.     for (int i = 1; i <= n; i++)  
15.     {  
16.         c[i][0] = 0;  
17.         for (int w = 1; w <= W; w++)  
18.         {  
19.             if (wei[i-1] > w)    //此处比较是关键  
20.             {  
21.                 c[i][w] = c[i-1][w];  
22.             }  
23.             else  
24.             {  
25.                 int temp = c[i-1][w-wei[i-1]] + v[i-1]; //注意wei和v数组中的第i个应该为wei[i-1]和v[i-1]  
26.                 if (c[i-1][w] > temp)  
27.                 {  
28.                     c[i][w] = c[i-1][w];  
29.                 }  
30.                 else   
31.                     c[i][w] = temp;  
32.             }  
33.         }  
34.     }  
35. }  
36.   
37. void findPath(int c[][18], int *x, int *wei, int n, int W)  
38. {     
39.     int w = W;  
40.     for (int i = n; i >= 2; i--)  
41.     {  
42.         if (c[i][w] == c[i-1][w])  
43.         {  
44.             x[i-1] = 0;  
45.         }  
46.         else  
47.         {  
48.             x[i-1] = 1;  
49.             w = w - wei[i-1];  
50.         }  
51.     }  
52.     if (c[1][w] == 0)  
53.         x[0] = 0;  
54.     else  
55.         x[0] = 1;  
56. }  
57.   
58. int main()  
59. {  
60.     int n = 5;  
61.     int W = 17;  
62.     int w[] = {3, 4, 7, 8, 9};  
63.     int v[] = {4, 5, 10, 11, 13};  
64.     int c[6][18] = {0};  
65.     DP(n, W, c, v, w);  
66.     cout<<c[5][17]<<endl;  
67.     int x[5];  
68.     findPath(c, x, w, n, W);  
69.     for (int i = 0; i < n; i++)  
70.         cout<<x[i]<<" ";  
71. }