背包问题
来源:互联网 发布:马哥教育python视频 编辑:程序博客网 时间:2024/05/02 01:39
01背包问题
题目:
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。
基本思路:
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件物品恰放入一个容量为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”,价值为f[i-1][v];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]。
假设数组储存结构如下:
上述基本思路如何实现,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。
[cpp] viewplaincopy
- for i=1..N
- for v=0..V
- f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]+w[i]}
(图为假设f[i-1][v-c[i]]在那里,实际v-c[i]可能小于0,小心不要越界)
优化开始了,可以知道扫描的过程,只与前一个竖列相关,那么可以优化成两列,每次从前列计算出后列,然后再把后列的值存到前列。
那么还可以优化,只要一列,每次从自身就可以推算出新值,不过因为决定关系,v需要改成逆序扫描。实际一行跟一列都可以认为成一维数组,意思是空间优化到了一维数组 f[i][v] —> f[v]
即:f[v]=max{f[v],f[v-c[i]]+w[i]}
[cpp] viewplaincopy
- for i=1..N
- for v=V..0
- f[v]=max{f[v],f[v-c[i]]+w[i]}
初始化的细节问题
我们看到的求最优解的背包问题题目中,事实上有两种不太相同的问法。有的题目要求“恰好装满背包”时的最优解,有的题目则并没有要求必须把背包装满。一种区别这两种问法的实现方法是在初始化的时候有所不同。
如果是第一种问法,要求恰好装满背包,那么在初始化时除了f[0]为0其它f[1..V]均设为-∞,这样就可以保证最终得到的f[N]是一种恰好装满背包的最优解。
如果并没有要求必须把背包装满,而是只希望价格尽量大,初始化时应该将f[0..V]全部设为0。
为什 么呢?可以这样理解: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。
一个常数优化
前面的伪代码中有 for v=V..1,可以将这个循环的下限进行改进。
由于只需要最后f[v]的值,倒推前一个物品,其实只要知道f[v-w[n]]即可。以此类推,对以第j个背包,其实只需要知道到f[v-sum{w[j..n]}]即可,即代码中的
for i=1..N
for v=V..0
可以改成
for i=1..n
bound=max{V-sum{w[i..n]},c[i]}
for v=V..bound
这对于V比较大时是有用的。
完全背包问题
题目
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。
基本思路
这个问题十分类似01背包,不同的是每种物品有无限件。也就是从每种物品的角度考虑,与它相关的策略已并非取或不取两种,而是有取0件、取1件、取2件……等很多种。于是得:
f[i][v]=max{f[i-1][v-k*c[i]]+k*w[i]} 其中0<=k*c[i]<=v
(图中只是假设值在那里)
仔细观察,f[i][v-k*c[i]]正好是由以下状态决定;那么f[i][v]正好就是由f[i-1][v]和f[i][v-k*c[i]]决定,这里的k=1,也就成了f[i][v-c[i]];其意义为:若不选取第i种物品,当前最优结果f[i][v]显然等于f[i-1][v];若选取第i种物品,则可由之前选取了若干个第i种物品的最优解再加一个第i种物品得到。
->
于是状态转移方程:
f[i][v]=max{f[i-1][v],f[i][v-c[i]]}
然后又和以前一样,优化为一维数组:
[cpp] viewplaincopy
- for i=1..N
- for v=0..V
- f[v]=max{f[v],f[v-c[i]]+w[i]}
多重背包问题
题目
有N种物品和一个容量为V的背包。第i种物品最多有n[i]件可用,每件费用是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。
基本算法
因为对于第i种物品有n[i]+1种策略:取0件,取1件……取n[i]件。令f[i][v]表示前i种物品恰放入一个容量为v的背包的最大权值,则有状态转移方程:
f[i][v]=max{f[i-1][v-k*c[i]]+k*w[i]|0<=k<=n[i]}
复杂度是O(V*Σn[i])。
优化
采用二进制思想。我们考虑把第i种物品换成若干件物品,使得原问题中第i种物品可取的每种策略——取0..n[i]件——均能等价于取若干件代换以后的物品。另外,取超过n[i]件的策略必不能出现。
方 法是:将第i种物品分成若干件物品,其中每件物品有一个系数,这件物品的费用和价值均是原来的费用和价值乘以这个系数。使这些系数分别为 1,2,4,...,2^(k-1),n[i]-2^k+1,且k是满足n[i]-2^k+1>0的最大整数。例如,如果n[i]为13,就将这种 物品分成系数分别为1,2,4,6的四件物品。
分成的这几件物品的系数和为n[i],表明不可能取多于n[i]件的第i种物品。另外这种方法也能保证对于0..n[i]间的每一个整数,均可以用若干个系数的和表示,这个证明可以分0..2^k-1和2^k..n[i]两段来分别讨论得出。这样就将第i种物品分成了O(log n[i])种物品,将原问题转化为了复杂度为<math>O(V*Σlog n[i])的01背包问题,是很大的改进。
- 【无限背包】背包问题
- 背包问题---01背包
- 背包问题--部分背包
- 背包问题
- 背包问题
- 背包问题
- 背包问题
- 背包问题
- 背包问题
- 背包问题
- 背包问题
- 背包问题
- 背包问题
- 背包问题
- 背包问题
- 背包问题
- 背包问题
- 背包问题
- 用户体验要素
- ListView中混合使用Drawable文件夹资源和网络资源
- 关于一个java "++" 语法的面试题的理解
- 中国的恶邻俄罗斯
- 1930年航拍中的北京,那时候的北京好多田野
- 背包问题
- 微信人生_要想晚年温馨做事不坏良心
- 回调函数
- 【转】Android之自定义Adapter的ListView
- base64编码函数
- HD2044 一只小蜜蜂...
- 基础_IO流学习笔记_文本文件读取及复制、字符流的缓冲区和装饰设计模式
- JDeveloper 小技巧
- 网络编程