背包问题详解解析.ppt

动态规划系列之二 解空间 设Xi表示第i件物品的取舍，1代表取，0代表舍，搜索的空间为n元一维数组（X1,X2,X3,……，Xn）,取值范围为（0，0，0……，0，0），（0，0，0……，0，1），（0，0，0……，1，0），（0，0，0……，1，1），……，（1，1，1……，1，1）。 解空间图示 以3个物品为例,解(0,1,0)表示(不取物品0,取物品1,不取物品2) 0-1背包问题 问题陈述： 给定n种物品和一背包。物品i的重量是wi，其价值为vi，背包的容量为c。问应如何选择装入背包中的物品，使得装入背包中物品的总价值最大？ 在选择装入背包的物品时，对每种物品i只有两种选择，即装入背包或不装入背包。不能将物品i装入背包多次，也不能只装入部分的物品i。因此，该问题称为0-1背包问题。 ? 解题思路： 此问题可转化为：给定c0，wi0，vi0，1≤i≤n，要求找出一个n元0-1向量(x1，x2，…，xn)，xi∈{0，1}，1≤i≤n，使得∑wixi≤c，而且∑vixi达到最大。因此，0-1背包是一个特殊的整数规划问题： max ∑vixi s.t. ∑wixi≤c， ?????????? xi∈{0，1}，1≤i≤n 可用动态规划算法求解。 其他类型背包问题 完全背包问题(0/1)： 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。 多重背包问题 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。 1、0-1背包问题—动态规划算法 void Knapsack(int *v, int *w, int c, int n, int ** m) { int j; int jMax; if(w[n]-1c) jMax=c; else jMax=w[n]-1; for (j = 0; j = jMax ;j++) m[n][j] = 0; for (j = w[n]; j = c; j++) m[n][j] = v[n] ; for ( int i=n-1; i1; i--) { int jMax; if(w[n]-1c) jMax=c; else jMax=w[n]-1; for (j = 0; j = jMax; j++) m[i][j] = m[i+1][j]; for (j = w[i] ; j = c; j++) if(m[i+1][j] m[i+1][j-w[i]] + v[i] ) m[i][j]=m[i+1][j]; else m[i][j]=m[i+1][j-w[i]] + v[i] ; } m[1][c] =m[2][c]; if (c = w[1]) m[1][c]=((m[1][c]m[2][c-w[1]]+v[1])?m[1][c]:m[2][c-w[1]]+v[1]); } 1、0-1背包问题—动态规划算法 void Traceback(int **m, int w[ ], int c, int n, int x[ ]) {// 计算x for (int i=1; in; i++) if (m[i][c]==m[i+1][c]) x[i]=0; else { x[i]=1; c-=w[i]; } x[n]=(m[n][c])?1:0; } 2、背包问题—贪心算法 本节着重讨论可以用贪心算法求解的问题的一般特征。 对于一个具体的问题，怎么知道是否可用贪心算法解此问题，以及能否得到问题的最优解呢?这个问题很难给予肯定的回答。 但是，从许多可以用贪心算法求解的问题中看到这类问题一般具有2个重要的性质：贪心选择性质和最优子结构性质。 贪心算法的基本要素 1、贪心选择性质 贪心算法的基本要素 当一个问题的最优解包含其子问题的最优解时，称此问题具有最优子结构性质。问题的最优子结构性质是该问题可用动态规划算法或贪心算法求解的关键特征。 2、背包问题—贪心算法 贪心算法和动态规划算