动态规划--01背包问题
2015-01-20 17:25
232 查看
01背包问题具体例子:假设现有容量10kg的背包,另外有3个物品,分别为a1,a2,a3。物品a1重量为3kg,价值为4;物品a2重量为4kg,价值为5;物品a3重量为5kg,价值为6。将哪些物品放入背包可使得背包中的总价值最大?
这个问题有两种解法,动态规划和贪婪算法。本文仅涉及动态规划。
先不套用动态规划的具体定义,试着想,碰见这种题目,怎么解决?
首先想到的,一般是穷举法,一个一个地试,对于数目小的例子适用,如果容量增大,物品增多,这种方法就无用武之地了。
其次,可以先把价值最大的物体放入,这已经是贪婪算法的雏形了。如果不添加某些特定条件,结果未必可行。
最后,就是动态规划的思路了。先将原始问题一般化,欲求背包能够获得的总价值,即欲求前i个物体放入容量为m(kg)背包的最大价值c[i][m]——使用一个数组来存储最大价值,当m取10,i取3时,即原始问题了。而前i个物体放入容量为m(kg)的背包,又可以转化成前(i-1)个物体放入背包的问题。下面使用数学表达式描述它们两者之间的具体关系。
表达式中各个符号的具体含义。
w[i] : 第i个物体的重量;
p[i] : 第i个物体的价值;
c[i][m] : 前i个物体放入容量为m的背包的最大价值;
c[i-1][m] : 前i-1个物体放入容量为m的背包的最大价值;
c[i-1][m-w[i]] : 前i-1个物体放入容量为m-w[i]的背包的最大价值;
由此可得:
c[i][m]=max{c[i-1][m-w[i]]+pi , c[i-1][m]}(下图将给出更具体的解释)
![](https://img-blog.csdn.net/20150120172608489?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvc2luYXRfMjQ1MjA5MjU=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
根据上式,对物体个数及背包重量进行递推,列出一个表格(见下表) ,当逐步推出表中每个值的大小,那个最大价值就求出来了。推导过程中,注意一点,最好逐行而非逐列开始推导,先从编号为1的那一行,推出所有c[1][m]的值,再推编号为2的那行c[2][m]的大小。这样便于理解
![](https://img-blog.csdn.net/20150120172749375?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvc2luYXRfMjQ1MjA5MjU=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
c[i][j]数组保存了1,2,3号物品依次选择后的最大价值.
这个最大价值是怎么得来的呢?从背包容量为0开始,1号物品先试,0,1,2,的容量都不能放.所以置0,背包容量为3则里面放4.这样,这一排背包容量为4,5,6,....10的时候,最佳方案都是放4.假如1号物品放入背包.则再看2号物品.当背包容量为3的时候,最佳方案还是上一排的最价方案c为4.而背包容量为5的时候,则最佳方案为自己的重量5.背包容量为7的时候,很显然是5加上一个值了。加谁??很显然是7-4=3的时候.上一排 c3的最佳方案是4.所以。总的最佳方案是5+4为9.这样.一排一排推下去。最右下放的数据就是最大的价值了。(注意第3排的背包容量为7的时候,最佳方案不是本身的6.而是上一排的9.说明这时候3号物品没有被选.选的是1,2号物品.所以得9.)
所以在生成矩阵C之后,由C可求出最佳方案所对应的加入的物体组合,由最后一行最后一列往左往上探查,起始j=10,当C[i][j]>C[i-1][j]说明ai物体放入了背包,则将背包中ai物体重量减去,j-w[i]并往上探查(i--)如图:
![](https://img-blog.csdn.net/20150120175311391?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvc2luYXRfMjQ1MjA5MjU=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
上图中C指的是包的最大容量10,由图可知,容量10kg的背包,另外有3个物品,分别为a1,a2,a3。物品a1重量为3kg,价值为4;物品a2重量为4kg,价值为5;物品a3重量为5kg,价值为6。将a2,a3放入背包可使得背包中的总价值最大为11.
下面列出具体C++代码(为了编写方便,加入物体a0,重量为0,价值为0,无实际意义):
head.h
main.cpp
结果为:
![](https://img-blog.csdn.net/20150120175920140?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvc2luYXRfMjQ1MjA5MjU=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center)
这个问题有两种解法,动态规划和贪婪算法。本文仅涉及动态规划。
先不套用动态规划的具体定义,试着想,碰见这种题目,怎么解决?
首先想到的,一般是穷举法,一个一个地试,对于数目小的例子适用,如果容量增大,物品增多,这种方法就无用武之地了。
其次,可以先把价值最大的物体放入,这已经是贪婪算法的雏形了。如果不添加某些特定条件,结果未必可行。
最后,就是动态规划的思路了。先将原始问题一般化,欲求背包能够获得的总价值,即欲求前i个物体放入容量为m(kg)背包的最大价值c[i][m]——使用一个数组来存储最大价值,当m取10,i取3时,即原始问题了。而前i个物体放入容量为m(kg)的背包,又可以转化成前(i-1)个物体放入背包的问题。下面使用数学表达式描述它们两者之间的具体关系。
表达式中各个符号的具体含义。
w[i] : 第i个物体的重量;
p[i] : 第i个物体的价值;
c[i][m] : 前i个物体放入容量为m的背包的最大价值;
c[i-1][m] : 前i-1个物体放入容量为m的背包的最大价值;
c[i-1][m-w[i]] : 前i-1个物体放入容量为m-w[i]的背包的最大价值;
由此可得:
c[i][m]=max{c[i-1][m-w[i]]+pi , c[i-1][m]}(下图将给出更具体的解释)
根据上式,对物体个数及背包重量进行递推,列出一个表格(见下表) ,当逐步推出表中每个值的大小,那个最大价值就求出来了。推导过程中,注意一点,最好逐行而非逐列开始推导,先从编号为1的那一行,推出所有c[1][m]的值,再推编号为2的那行c[2][m]的大小。这样便于理解
c[i][j]数组保存了1,2,3号物品依次选择后的最大价值.
这个最大价值是怎么得来的呢?从背包容量为0开始,1号物品先试,0,1,2,的容量都不能放.所以置0,背包容量为3则里面放4.这样,这一排背包容量为4,5,6,....10的时候,最佳方案都是放4.假如1号物品放入背包.则再看2号物品.当背包容量为3的时候,最佳方案还是上一排的最价方案c为4.而背包容量为5的时候,则最佳方案为自己的重量5.背包容量为7的时候,很显然是5加上一个值了。加谁??很显然是7-4=3的时候.上一排 c3的最佳方案是4.所以。总的最佳方案是5+4为9.这样.一排一排推下去。最右下放的数据就是最大的价值了。(注意第3排的背包容量为7的时候,最佳方案不是本身的6.而是上一排的9.说明这时候3号物品没有被选.选的是1,2号物品.所以得9.)
所以在生成矩阵C之后,由C可求出最佳方案所对应的加入的物体组合,由最后一行最后一列往左往上探查,起始j=10,当C[i][j]>C[i-1][j]说明ai物体放入了背包,则将背包中ai物体重量减去,j-w[i]并往上探查(i--)如图:
上图中C指的是包的最大容量10,由图可知,容量10kg的背包,另外有3个物品,分别为a1,a2,a3。物品a1重量为3kg,价值为4;物品a2重量为4kg,价值为5;物品a3重量为5kg,价值为6。将a2,a3放入背包可使得背包中的总价值最大为11.
下面列出具体C++代码(为了编写方便,加入物体a0,重量为0,价值为0,无实际意义):
head.h
#include <iostream> using namespace std; #define N 3 //物体数量 #define C 10//背包容量 void knap(int W[N+1],int P[N+1],int CC[N+1][C+1]);
main.cpp
#include "head.h" void main() { int W[N+1]={0,3,4,5};//物品的重量 int P[N+1]={0,4,5,6};//物品的价值 int X[N+1]={0};//物品的选取状态 int CC[N+1][C+1];// CC[i][j]装入i个物品装入容量为j的背包中获得的最大价值 knap(W,P,CC); for (int i=0;i<N+1;i++) { for (int j=0;j<C+1;j++) { cout<<CC[i][j]<<" "; } cout<<endl; } /* 从CC二维数组底部网上寻找使得背包获得的最大价值的物品 */ int j=C; for (int i=N;i>0;i--) { if (CC[i][j]>CC[i-1][j]) { X[i]=1; j=j-W[i]; } } cout<<"选中的物品是"<<endl; for (int i=1;i<=N;i++) { if (X[i]==1) { cout<<i<<" "; } } cout<<endl; } void knap(int W[N+1],int P[N+1],int CC[N+1][C+1]) { for (int i=0;i<=N;i++) { CC[i][0]=0; } for (int i=0;i<=C;i++) { CC[0][i]=0; } for (int i=1;i<=N;i++) { for (int j=1;j<=C;j++) { if (j<W[i]) { CC[i][j]=CC[i-1][j]; continue; } else if ((CC[i-1][j-W[i]]+P[i])>CC[i-1][j]) { CC[i][j]=CC[i-1][j-W[i]]+P[i]; } else CC[i][j]=CC[i-1][j]; } } }
结果为:
相关文章推荐
- 动态规划--01背包问题
- 01背包问题 很裸的动态规划
- ACM:动态规划,01背包问题
- 动态规划之01背包问题
- 动态规划之01背包问题 通俗理解动态规划的过程
- 【转】01背包问题动态规划详解
- 动态规划——01背包问题
- 动态规划—杭电ACM 1203 I NEED A OFFER!(01背包问题)
- 动态规划之01背包问题(Knapsacks Problem)
- 动态规划的用法——01背包问题
- 【转】01背包问题动态规划详解
- 动态规划 -- 01背包问题
- 动态规划之01背包问题
- 动态规划—杭电ACM Bone Collector(01背包问题)
- 动态规划--01背包问题
- 动态规划 01背包问题
- 动态规划解决01背包问题
- 动态规划的用法——01背包问题
- hihoCoder - 1038 - 01背包 (经典动态规划问题!!)
- 动态规划之01背包问题(最易理解的讲解)