背包类型DP.docVIP

背包类型DP 一、01背包 二、完全背包 三、多重背包 四、混全背包 五、二维背包 六、分组背包 七、领带背包 八、泛化物品 九、背包问题问法的变化 一、0-1背包 【例题】01背包 【问题描述】在01背包问题中，需对容量为v的背包进行装载。从n个物品中选取装入背包的物品，每件物品i的重量为wi，价值为ci。对于可行的背包装载，背包中物品的总重量不能超过背包的容量，最佳装载是指所装入的物品价值最高，即c1*x1+c2*x2+…+ci*xi（其1=i=n,x取0或1，取1表示选取物品i）取得最大值。 【文件输入】第一行一个数m，为背包容量(整数)；第二行一个数n，为物品数量(整数)；第三行n个数，以空格分开，为n(1=n=10000)个物品的重量；第四行n个数，以空格分开，为n个物品的价值(整数)。 【文件输出】输出文件仅一行为一个数，表示能取得的最大价值。 【样例输入】 11 6 2 4 5 6 10 3 1 7 4 5 11 1 【样例输出】12 【试题特点】每种物品仅有一件,可以选择放或不放，故称作为0-1背包。 【思路点拨】第一次看到背包类的问题，容易想到贪心策略，但是贪心策略得不到最优解。从物品上进行贪心，不外乎三个方面：重量、价值和价值/重量，下面一 一分析： 贪心1：对输入数据，以物品重量排序，越轻的越靠前。以样例为例，得到下表所示的排序结果。 物品序号 重量 价值 ① 2 1 ⑥ 3 1 ② 4 7 ③ 5 4 ④ 6 5 ⑤ 10 11 以物品重量排序得到的结果(越轻的越靠前) 根据排序结果，在剩下的物品中每次选择最轻的装入背包。背包的容量为11，此时选择物品的编号为①、⑥、②，得到的总价值为9，而输出样例的最大价值为13，这种选择显然不对。 贪心2：对输入的数据，以物品的价值排序，价值越高的越在前。以输入样例为例，得到如下表所示的排序结果。 物品序号 重量 价值 ⑤ 10 11 ② 4 7 ④ 6 5 ③ 5 4 ① 2 1 ⑥ 3 1 以物品价格排序得到的结果(价格越高的越靠前) 根据排序结果，在剩下的物品中选择价值越高的装入背包，此时可以选择的物品为⑤，得到总价值为11，小于输出样例13。此方案页不对。 贪心3：如果输入数据设置为n=3,m=6，物品重量依次为3,3,4,价值依次为4,4,7,则按照价值/重量排序，得到如下表所示的排序结果。 序号 重量 价值 价值/重量 ① 4 7 1.75 ② 3 4 1.33 ③ 3 4 1.33 价值/重量排序表 上述表中，根据背包容量，选择的物品为③，得到的总价值为7；而实际上，此输入数据的最大价值应为8，所以此种贪心也存在反例。 由上可知，三种贪心策略都存在反例，得不到最大价值。其实，背包问题中一个物品只有两种状态，要么被放入背包中，要么不放入背包中，用A1,..,An表示n个物品的状态，当Ai放入背包时，置Ai=1，不放入时置Ai=0。对于输入的所有物品，以i=1,2,3,..,n给物品标号，下面逐一分析物品的状态及相应的价值。 对于第一个物品，如果A1=0，则问题转变为背包容量仍为m，在2,3,..,n个物品中选择；如果A1=1，则问题转变为背包容量为m-W1，在2,3,...n个物品中选择，此时最大价值为max{Value(m),Value(m-Wi)+ci}，Value(m)表示在背包容量为m时，在剩下的物品中选择物品的最大价值。第一次决策之后，剩下的问题便是考虑在重量为{m,m-W1}两种情况下选择最优方案的问题了。以此类推，直到所有物品都试探过，得出最大价值。这个问题明显具有最优子结构性质和无后效性，可以使用动态规划方法解决。 设置动态规划时，可以如下设置： (1)以在前i件物品中选择若干件物品为阶段； (2)在前i件物品中，选取若干件物品放入所剩空间为j的背包中所能获得的最大价值为状态； (3)以放第i件物品或不放第i件物品为决策。 设f[i][j]：表示选择前i个物品，背包容量为v时的最大价值，可得到动态规划方程为： f[i][v]=max{f[i-1][v],f[i-1][v-w[i]]+c[i](j=w[i])} 初始条件：f[i][0]=f[0][i]=0 ANSWER=f[n][m] 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”；如果放第i件物品，那么