01背包问题之寻找路径

最新推荐文章于 2019-09-07 13:53:00 发布

-Dong

最新推荐文章于 2019-09-07 13:53:00 发布

阅读量1.4k

点赞数 2

分类专栏： DP

DP 专栏收录该内容

28 篇文章

订阅专栏

http://blog.youkuaiyun.com/xp731574722/article/details/70766804

0-1 背包问题：给定 n 种物品和一个容量为 C 的背包，物品 i 的重量是 wi，其价值为 vi 。

问：应该如何选择装入背包的物品，使得装入背包中的物品的总价值最大？

分析一波，面对每个物品，我们只有选择拿取或者不拿两种选择，不能选择装入某物品的一部分，也不能装入同一物品多次。

解决办法：声明一个大小为 m[n][c]的二维数组，m[i ][ j ] 表示在面对第 i 件物品，且背包容量为 j 时所能获得的最大价值 ，那么我们可以很容易分析得出m[i][j] 的计算方法，

（1）. j < w[i] 的情况，这时候背包容量不足以放下第 i 件物品，只能选择不拿

m[i ][ j ] = m[ i-1 ][ j ]

（2）. j>=w[i] 的情况，这时背包容量可以放下第 i 件物品，我们就要考虑拿这件物品是否能获取更大的价值。

如果拿取，m[ i ][ j ]=m[ i-1 ][ j-w[ i ] ] + v[ i ]。这里的m[ i-1 ][ j-w[ i ] ]指的就是考虑了i-1件物品，背包容量为j-w[i]时的最大价值，也是相当于为第i件物品腾出了w[i]的空间。

如果不拿，m[ i ][ j ] = m[ i-1 ][ j ] , 同（1）

究竟是拿还是不拿，自然是比较这两种情况那种价值最大。

由此可以得到状态转移方程：

	if(j>=w[i])  
	    m[i][j]=max(m[i-1][j],m[i-1][j-w[i]]+v[i]);  
	else  
	    m[i][j]=m[i-1][j];

例：0-1背包问题。在使用动态规划算法求解0-1背包问题时，使用二维数组m[i][j]存储背包剩余容量为j，可选物品为i、i+1、……、n时0-1背包问题的最优值。绘制

价值数组v = {8, 10, 6, 3, 7, 2}，

重量数组w = {4, 6, 2, 2, 5, 1}，

背包容量C = 12时对应的m[i][j]数组。

0	1	2	3	4	5	6	7	8	9	10	11	12
1	0	0	0	8	8	8	8	8	8	8	8	8
2	0	0	0	8	8	10	10	10	10	18	18	18
3	0	6	6	8	8	14	14	16	16	18	18	24
4	0	6	6	9	9	14	14	17	17	19	19	24
5	0	6	6	9	9	14	14	17	17	19	21	24
6	2	6	8	9	11	14	16	17	19	19	21	24

(第一行和第一列为序号，其数值为0)
如m[2][6],在面对第二件物品，背包容量为6时我们可以选择不拿，那么获得价值仅为第一件物品的价值8，如果拿，就要把第一件物品拿出来，放第二件物品，价值10，那我们当然是选择拿。m[2][6]=m[1][0]+10=0+10=10;依次类推，得到m[6][12]就是考虑所有物品，背包容量为C时的最大价值。

#include <iostream>  
#include <cstring>  
using namespace std;  
	  	  
const int N=15;  
int main()  
{  
    int v[N]={0,8,10,6,3,7,2};  
    int w[N]={0,4,6,2,2,5,1};  
    int m[N][N];  
    int n=6,c=12;  
    
    memset(m,0,sizeof(m));  
	    for(int i=1;i<=n;i++)  
	    {  
	        for(int j=1;j<=c;j++)  
	        {  
	            if(j>=w[i])  
	                m[i][j]=max(m[i-1][j],m[i-1][j-w[i]]+v[i]);  
	            else  
        }  
	    }  	  
	    for(int i=1;i<=n;i++)  
	    {  
	        for(int j=1;j<=c;j++)  
	        {  
            cout<<m[i][j]<<' ';  
	        }  
	        cout<<endl;  
	    }  
	    return 0;

到这一步，可以确定的是可能获得的最大价值，但是我们并不清楚具体选择哪几样物品能获得最大价值。

另起一个 x[ ] 数组，x[i]=0表示不拿，x[i]=1表示拿。

m[n][c]为最优值，如果m[n][c]=m[n-1][c] ,说明有没有第n件物品都一样，则x[n]=0 ; 否则 x[n]=1。当x[n]=0时，由x[n-1][c]继续构造最优解；当x[n]=1时，则由x[n-1][c-w[i]]继续构造最优解。以此类推，可构造出所有的最优解。（这段全抄算法书，实在不知道咋解释啊。。）

void traceback()  
{  
	    for(int i=n;i>1;i--)  
	    {  
	        if(m[i][c]==m[i-1][c])  
	            x[i]=0;  
	        else  
	        {  
	            x[i]=1;  
	            c-=w[i];  
	        }  
	    }  
	    x[1]=(m[1][c]>0)?1:0;  
}

例：

某工厂预计明年有A、B、C、D四个新建项目，每个项目的投资额W_k及其投资后的收益V_k如下表所示，投资总额为30万元，如何选择项目才能使总收益最大？

Project	W_k	V_k
A	15	12
B	10	8
C	12	9
D	8	5

结合前面两段代码

[

#include<cstdio>
#include<algorithm>
#include<cstring>
using namespace std;
int dp[20][20],x[20]; ///定义为全局变量
void traceback(int n,int c,int w[])
{
    for(int i=n;i>1;i--)
    {
        if(dp[i][c]==dp[i-1][c]) ///表示第 i 个和 第 i-1 个所能挑到的最大值相等
            x[i]=0; ///表示此处 i 物品没有被挑选到
        else{
            x[i]=1; ///表示此处 i 物品被挑选到
            c-=w[i]; /// 需减去当前的重量w[i]
        }
    }
    x[1]=(dp[1][c]>0)?1:0; ///上面循环中没有判断1，只要>0就可以证明拿了
}
int main()
{
    int v[]={0,8,10,6,3,7,2}; ///为便于读者阅读，初始化
    int w[]={0,4,6,2,2,5,1};
    int n=6,c=12;

    memset(dp,0,sizeof(dp)); ///小提醒：只能赋0，或-1
    for(int i=1;i<=n;i++)  ///从第1个到第i个物品中挑选出总重量不超过j的物品时总价值的最大值
    {
        for(int j=1;j<=c;j++)
        {
            if(j>=w[i])
                dp[i][j]=max(dp[i-1][j],dp[i-1][j-w[i]]+v[i]);
            else
                dp[i][j]=dp[i-1][j]; ///表示跟前i-1个一样
        }
    }
    for(int i=1;i<=n;i++){  ///输出每种情况
        for(int j=1;j<=c;j++)
        printf("%d ",dp[i][j]);
        putchar('\n');
    }
    printf("%d\n",dp[n][c]); ///总价值
    traceback(n,c,w);  ///我们可以找出到底是挑了哪几个物品
    for(int i=1;i<=n;i++){
        if(x[i]) printf("%d ",i);
    }
    putchar('\n');
    return 0;
}

输出x[i]数组：0111，输出m[4][30]：22。

得出结论：选择BCD三个项目总收益最大，为22万元。

不过这种算法只能得到一种最优解，并不能得出所有的最优解。