背包问题系列算法详解.docVIP

背包问题系列算法详解? 背包问题是一个关于最优解的经典问题。通常被讨论的最多的，最经典的背包问题是0-1背包问题(0-1 Knapsack Problem)。它是一切背包问题及相关背包问题的基础。本篇博文将详细分析0-1背包问题，并给出0-1背包问题的几种解法，同时也对0-1背包问题 的内涵进行延伸，丰富其外延至完全背包问题和多重背包问题，并给出背包问题的算法实现过程，希望对大家有帮助。一、0-1背包问题 ????? 有N件物品和一个容量为V的背包。第i件物品（每个物品只有一件）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。 （1）递归求解 算法如下： #include iostream#define CAPACITY 10#define GOODSNUM 6 using namespace std;int nVol[GOODSNUM];int nValue[GOODSNUM]; int knapsack(int itemIndex,int vol); void main(){?int i=0,j=0;?while(iGOODSNUM)?{??coutinput the i+1th item(volume and value):;??cinnVol[i]nValue[i];??i++;?}?coutThe max value is: knapsack(GOODSNUM,CAPACITY)endl;} int knapsack(int itemIndex,int vol){?if (itemIndex==0||vol==0)?{??return 0;?}?else if (vol=nVol[itemIndex] knapsack(itemIndex-1,vol)knapsack(itemIndex-1,vol-nVol[itemIndex])+nValue[itemIndex])??{???return knapsack(itemIndex-1,vol-nVol[itemIndex])+nValue[itemIndex];??}?else ??return knapsack(itemIndex-1,vol);} ???? 分析：递归求解，求解过程中的绝大部分变量存在重复求解的过程，算法的效率较低，有待改进；那怎么改进呢？最有效的是用数组保存每次计算的结果，不用重复 计算，于是有二维数组求解。 （2）二维数组求解 算法如下： #include iostream#define CAPACITY 10#define GOODSNUM 6 using namespace std; void main(){?int i=1,j;?int v[GOODSNUM] = {10,12,40,40,40,15};?int c[GOODSNUM] = {1,2,3,5,2,1};?int fun[GOODSNUM+1][CAPACITY+1];?for (i=1;i=GOODSNUM;i++)?{??fun[i][0] = 0;?}?for (i=1;i=CAPACITY;i++)?{??fun[0][i] = 0;?}?for (i=1;i=GOODSNUM;i++)?{??for (j=1;j=CAPACITY;j++)??{???if (jc[i-1])???{????fun[i][j] = fun[i-1][j];???}???else if (fun[i-1][j]fun[i-1][j-c[i-1]] + v[i-1])????{?????fun[i][j] = fun[i-1][j-c[i-1]] + v[i-1];????}???else????fun[i][j] = fun[i-1][j];??}?}?coutThe max value is: fun[GOODSNUM][CAPACITY]endl;} ???? 分析：二维数组求解方法相比递归求解要优越很多，但是其空间复杂度依然较高，还有继续改进的余地吗？一维数组是否可行呢？答案是肯定的 （3）一维数组求解 算法分析： #include iostream#define CAPACITY 10#define GOODSNUM 6 using namespace std; void main(){?int nVolume[GOODSNUM] = {1,2,3,5,2,1};?int nValue[GOODSNUM] = {10,12,40,40,40,15};?int selectTable[GOODSNUM][CAPACITY