01背包问题通俗讲解

问题

知道每个物体重量价值,给你一个背包,计算所能装走物体的最大价值。

例如:
背包容量:8kg;
物体重量

编号重量/kg价值
023
134
245
356

为什么叫01背包问题

答:因为每个物体都只有两种选择,装或者不装,称这种每个物体只有两种选择的问题称为01背包问题。

解题思路

  • 每个物体只有两种选择,即装与不装

  • 背包的最大价值为某个物体装和不装的这两种情况下的价值最大值。
    装:
    总价值增加v,背包容量减少w;(假设该物体重w,价值v);
    总价值为 v + 其他物体(背包容量减小后所能装下)的总价值,需要计算背包容量减小后所能装下的其他物体的总价值。
    不装:
    总价值为其他所有物体(背包所能装下)的最大价值。
    以上产生了两个子问题。

  • 按顺序决策每个物体到底装与不装。

状态转移方程

ValueArray[objPacked][packCap] = max(
/该物体装/ ValueArray[objPacked - 1][packCap - w[objPacked]] + v[objPacked],
/不装/ValueArray[objPacked - 1][packCap]
)
objPacked: 当前决策的物体的索引号,也表示前几个物体,决策的顺序是从索引号0开始依次增加的。
packCap:背包的剩余容量。每个物体决策后背包容量会有变化。
ValueArray:表示背包容量packCap下,前几个物体中所能装得下的最大价值。

重点:生成一个这样的状态方程表。

状态表

特殊情况:
背包容量装不下当前物体时,最大价值等于前几个物体的最大价值。

packCap < w[i] : ValueArray[objPacked][packCap - 1]
packCap >= w[i] : max(
ValueArray[objPacked - 1][packCap - w[objPacked]] + v[objPacked],
ValueArray[objPacked - 1][packCap]
)
计算状态表:
遍历物体索引号和背包容量,计算背包容量在0,1…packCap下,所能装的前几个物体的最大价值。(空间时间复杂读都为O(n2),还有没有其他好方法?todo)

源码(C)



#include <stdio.h>


typedef struct {
	unsigned int weight;
	unsigned int value;
}OBJ_T;

#define MAX_OBJ_CNT		4
#define MAX_PACKAGE_CAP	8
#define MAX(a, b) ((a) > (b) ? (a) : (b))

int pockage01(OBJ_T* objList, int objNum, int packCap);

int main()
{
	/**/
	int maxValue = 0;
	int i = 0;
	OBJ_T objList[MAX_OBJ_CNT];
	objList[0].weight = 2;
	objList[0].value = 3;
	objList[1].weight = 3;
	objList[1].value = 4;
	objList[2].weight = 4;
	objList[2].value = 5;
	objList[3].weight = 5;
	objList[3].value = 6;

	for (i = 0; i < MAX_OBJ_CNT; i++)
	{
		printf("weight:%d, value:%d\n", objList[i].weight, objList[i].value);
	}

	maxValue = pockage01(objList, MAX_OBJ_CNT, MAX_PACKAGE_CAP);
	printf("maxvalue:%d\n", maxValue);
	return 0;
}

/*return max value*/
int pockage01(OBJ_T* objList, int objNum, int packCap)
{
	if (objNum > MAX_OBJ_CNT || packCap > MAX_PACKAGE_CAP || objList == NULL)
	{
			return 0;
	}
	/**/
	int valueArray[MAX_OBJ_CNT][MAX_PACKAGE_CAP+1] = {0};
	int objPacked = 0;
	int PackRemain = 0;

	for (PackRemain = 1; PackRemain <= packCap; PackRemain++)
	{
		printf("\t[%d]", PackRemain);
	}
	for (objPacked = 0; objPacked < objNum; objPacked++)
	{
		printf("\n[%d]:\t", objPacked);
		for (PackRemain = 1; PackRemain <= packCap; PackRemain++)
		{
			if (objPacked == 0)
			{
					if (PackRemain >= objList[objPacked].weight)
					{
						valueArray[objPacked][PackRemain] = objList[objPacked].value;
					}
			}
			else
			{
				if (PackRemain >= objList[objPacked].weight)
				{
					valueArray[objPacked][PackRemain] = MAX(valueArray[objPacked - 1][PackRemain], 
															valueArray[objPacked - 1][PackRemain - objList[objPacked].weight] + objList[objPacked].value);
				}
				else
				{
					valueArray[objPacked][PackRemain] = valueArray[objPacked - 1][PackRemain];
				}
			}

			printf("%d\t", valueArray[objPacked][PackRemain]);
		}
		printf("\n");
	}

	return valueArray[objNum-1][packCap];
}

输出:
在这里插入图片描述

01背包问题是一个经典的动态规划问题。它的目标是在给定背包容量的情况下,选择一些物品放入背包中,使得物品的总价值最大化,同时要保证背包的容量不超过限制。根据动态规划的原理,我们可以通过以下步骤来解决01背包问题: 1. 问题抽象化:将问题抽象为在给定背包容量和物品列表的情况下,选择一些物品放入背包中,使得物品的总价值最大化。 2. 建立模型:定义变量Vi表示第i个物品的价值,Wi表示第i个物品的体积。定义V(i,j)为当前背包容量j,前i个物品最佳组合对应的价值。 3. 寻找约束条件:约束条件是背包的容量不能超过限制,即对于每个物品i,有Wi <= j。 4. 判断是否满足最优性原理:最优性原理指的是最优解的子问题也是最优解。在01背包问题中,如果我们选择放入第i个物品,那么剩余背包容量就变为j-Wi,此时的最优解就是V(i-1,j-Wi)加上第i个物品的价值Vi。如果我们选择不放入第i个物品,那么最优解就是V(i-1,j)。因此,我们可以得到递推关系式:V(i,j) = max(V(i-1,j), V(i-1,j-Wi) + Vi)。 5. 找大问题与小问题的递推关系式:根据上述递推关系式,我们可以通过填表的方式来计算出所有的V(i,j)。 6. 填表:从i=1到n,j=0到背包容量的范围,依次计算V(i,j)的值。 7. 寻找解组成:通过填表的过程,我们可以得到最优解对应的V(n,C)的值,其中C为背包的容量。然后,我们可以根据V(i,j)的值逆推出最优解的组成方式。 综上所述,通过以上步骤,我们可以使用动态规划来解决01背包问题,并得到最优解以及解的组成。 #### 引用[.reference_title] - *1* *2* *3* [【动态规划】01背包问题通俗易懂,超基础讲解)](https://blog.youkuaiyun.com/qq_38410730/article/details/81667885)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值