【算法复习二】0-1背包问题总结

一 ，问题描述：

    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价值总和最大。

所谓01背包，表示每一个物品只有一个，要么装入，要么不装入。

二，解决方案：

    考虑使用dp问题 求解，定义一个递归式 opt[i][v] 表示前i个物品，在背包容量大小为v的情况下，最大的装载量。

opt[i][v] = max(opt[i-1][v] , opt[i-1][v-c[i]] + w[i])

解释如下：

opt[i-1][v] 表示第i件物品不装入背包中，而opt[i-1][v-c[i]] + w[i] 表示第i件物品装入背包中。

花费如下：

    时间复杂度为o(V * T) ，空间复杂度为o(V * T) 。 时间复杂度已经无法优化，但是空间复杂度则可以进行优化。

但必须将V 递减的方式进行遍历，即V.......0 的方式进行。

三，初始化：

（1）若要求背包必须放满，则初始如下：

       f[0] = 0 , f[1...V]表示-INF。表示当容积为0时，只接受一个容积为0的物品入包。

（2）若要求背包可以空下，则初始化如下：

            f[0...V] = 0 ，表示任意容积的背包都有一个有效解即为0。

具体解释如下：

       初始化的f数组事实上就是在没有任何物品可以放入背包时的合法状态。

       如果要求背包恰好装满，那么此时只有容量为0的背包可能被价值为0的nothing“恰好装满”，

       其它容量的背包均没有合法的解，属于未定义的状态，它们的值就都应该是-∞了。

       如果背包并非必须被装满，那么任何容量的背包都有一个合法解“什么都不装”，

       这个解的价值为0，所以初始时状态的值也就全部为0了。

四 代码如下：




/**//*


0-1背包，使用了优化后的存储空间


建立数组




f[i][v] = max(f[i-1][v] , f[i-1][v-c[i]] + w[i])


将前i件物品，放入容量为v的背包中的最大值。






下面介绍一个优化，使用一维数组，来表示


(1) f[v]表示每一种类型的物品，在容量为v的情况下，最大值。


但是体积循环的时候，需要从v----1循环递减。






初始化问题：


(1)若要求背包中不允许有剩余空间，则可以将f[0]均初始化为0，其余的f[1

..n]均初始化为-INF 。


表示只有当容积为0 的时候，允许放入质量为0的物品。


而当容积不为0的情况下，不允许放入质量为0的物品，并且把状态置为未知状态。








(2)若要求背包中允许有剩余空间 ，则可以将f[1



n]，均初始化为0。


这样，当放不下去的时候，可以空着。










*/

#include<iostream>
using namespace std ;

//#define EMPTY//可以不装满

const int V=1000 ;//总的体积
const int T=5 ;//物品的种类
int f[V+1] ;
int w[T] ={8 , 10 , 4 , 5 ,5};//价值
int c[T] ={600 , 400 , 200 , 200 ,300};//每一个的体积
const int INF=-66536 ;

int package()
{
#ifdef EMPTY
for(int i=0 ; i<= V ;i++)//条件编译，表示背包可以不存储满
f[i] =0 ;
#else
f[0] =0 ;
for(int i=1 ; i<= V ;i++)//条件编译，表示背包必须全部存储满
f[i] = INF ;
#endif

for(int i=0 ; i< T ; i++)
{
for(int v= V ; v >= c[i] ;v--)//必须全部从V递减到0
{
f[v] = max(f[v-c[i]]+ w[i] , f[v]) ;//此f[v]实质上是表示的是i-1次之前的值 初始为0 或  INF。
}
}

return f[V] ;
}

int main()
{

int temp = package() ;
cout<<"The Best Answer is:"<<temp<<endl ;

return 0 ;
}