[背包问题] 01背包、完全背包、整数找零

最新推荐文章于 2023-05-15 12:31:29 发布

原创最新推荐文章于 2023-05-15 12:31:29 发布 · 808 阅读

0 ·

CC 4.0 BY-SA版权

编程同时被 2 个专栏收录

25 篇文章

订阅专栏

算法

24 篇文章

订阅专栏

01背包问题: 有N件物品和一个容量为V的背包。第i件物品的费用是c[i]，价值是w[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量，且价值总和最大。

完全背包：完全背包定义是有N种物品和一个容量为V的背包，每种物品都有无限件可用。第i种物品的体积是c，价值是w。求解将哪些物品装入背包可使这些物品的体积总和不超过背包容量，且价值总和最大。

多重背包: 有N种物品和一个重量为M的背包。第i种物品最多有n[i]件可用，每件重量是w[i]，价值是p[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包重量，且价值总和最大。

01背包问题：

这是最基础的背包问题，特点是：每种物品仅有一件，可以选择放或不放。

用子问题定义状态：即f[i][v]表示前i件物品放入一个容量为v的背包可以获得的最大价值。则其状态转移方程便是：f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]+w[i]}。

这个方程非常重要，基本上所有跟背包相关的问题的方程都是由它衍生出来的。所以有必要将它详细解释一下：“将前i件物品放入容量为v的背包中”这个子问题，若只考虑第i件物品的策略（放或不放），那么就可以转化为一个只牵扯前i-1件物品的问题。如果不放第i件物品，那么问题就转化为“前i-1件物品放入容量为v的背包中”；如果放第i件物品，那么问题就转化为“前i-1件物品放入剩下的容量为v-c[i]的背包中”，此时能获得的最大价值就是f [i-1][v-c[i]]再加上通过放入第i件物品获得的价值w[i]。

以上方法的时间和空间复杂度均为O(N*V)，其中时间复杂度基本已经不能再优化了，但空间复杂度却可以优化到O(V)。

先考虑上面讲的基本思路如何实现，肯定是有一个主循环i=1..N，每次算出来二维数组f[i][0..V]的所有值。那么，如果只用一个数组f [0..V]，能不能保证第i次循环结束后f[v]中表示的就是我们定义的状态f[i][v]呢？f[i][v]是由f[i-1][v]和f[i-1] [v-c[i]]两个子问题递推而来，能否保证在推f[i][v]时（也即在第i次主循环中推f[v]时）能够得到f[i-1][v]和f[i-1][v -c[i]]的值呢？事实上，这要求在每次主循环中我们以v=V..0的顺序推f[v]，这样才能保证推f[v]时f[v-c[i]]保存的是状态f[i -1][v-c[i]]的值。

第i件物品加入不会对F[i-1][]状态造成影响。

（在本轮循环中，f[v]被更新之后，不能被依赖）。

伪代码如下：

for i=1..N

for v=V..0

f[v]=max{f[v],f[v-c[i]]+w[i]};

其中的f[v]=max{f[v],f[v-c[i]]}一句恰就相当于我们的转移方程f[i][v]=max{f[i-1][v],f[i- 1][v-c[i]]}，因为现在的f[v-c[i]]就相当于原来的f[i-1][v-c[i]]。如果将v的循环顺序从上面的逆序改成顺序的话，那么则成了f[i][v]由f[i][v-c[i]]推知，与本题意不符，但它却是另一个重要的背包问题P02最简捷的解决方案，故学习只用一维数组解01背包问题是十分必要的。

完全背包问题：

方法1: 每种物品可取V/C[i]种情况:

方法2: 每种物品拆成体积为C[i]×2^k价值W[i]×2^k的物品, 如某物品i体积为C[i]=1, 空间大小V=13，则物品i可拆成{1, 2, 4, 8, 5}这5种物品，然后进行0-1背包。

方法3: 状态转移方程为：f[i][v]=max{f[i-1][v], f[i][v-c[i]]+w[i]}

伪代码：

F[0][] ← {0}    
F[][0] ← {0}    
for i←1 to N    
    do for j←1 to V    
        F[i][j] ← F[i-1][j]    
        if(j >= C[i])    
            then F[i][j] ← max(F[i][j],F[i][j-C[i]]+ W[i])   // 第i个物品有可能被多次加入 
return F[N][V]

优化空间复杂度：

完全背包则考虑的是第i种物品的出现的问题，第i种物品一旦出现它势必应该对第i种物品还没出现的各状态造成影响。也就是说，原来没有第i种物品的情况下可能有一个最优解，现在第i种物品出现了，而它的加入有可能得到更优解，所以之前的状态需要进行改变，故需要正序。

F[j] = max{ F[j], F[j- C[i]] + w[i] }, 即F[j] 要依赖于改变后(加入物品i)的状态。

伪代码：

     F[] = {0}

     for i←1 to N

         do for k←C[i] to V

             F[k] ← max(F[k],F[k-C[i]]+W[i])

     return F[V]