动态规划法在01背包问题中的应用.docVIP

南京信息工程大学 实验（实习）报告　 实验名 动态规划法在01背包问题中的应用 日期 2012.12.1得分 指导教师 顾韵华 　 系 计算机与软件学院 专业 软件工程 年级 2012级 姓名 蒋宇聪 学号20121236533 　　　 　 问题描述　　 给定一个载重量为C的背包及 n个物体，物体i的重量为Wi、价值为Vi，1≤i≤n，要求把这些物体装入背包，使背包内的物体价值总量最大。此处我们讨论的物体是不可分割的，通常称这种物体不可分割的背包问题为01背包问题。　 　 基本思路　 在0/1背包问题中，物品i或者被装入背包，或者不被装入背包，设xi表示物品i装入背包的情况，则当xi=0时，表示物品i没有被装入背包，xi=1时，表示物品i被装入背包。根据问题的要求，有如下约束条件和目标函数： 　　 式1　　 式1　　 　　　 　 式2　 式2　 　 　 于是，问题归结为寻找一个满足约束条件式1，并使目标函数式2达到最大的解向量X=(x1, x2, …, xn)（式3）。　　 　 利用动态规划算法求解01背包问题　　　 动态规划的基本思路　　　 动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中，可能会有许多可行解。每一个解都对应于一个值，我们希望找到具有最优值的解。　 动态规划算法与分治法类似，其基本思想也是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。与分治法不同的是，适合于用动态规划求解的问题，经分解得到子问题往往不是互相独立的。若用分治法来解这类问题，则分解得到的子问题数目太多，有些子问题被重复计算很多次。如果我们能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，这样就可以避免大量的重复计算，节省时间。　 我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到，只要它被计算过，就将其结果填入表中，这就是动态规划法的基本思路。具体的动态规划算法多种多样，但它们具有相同的填表格式。　　　 算法设计　　　 0/1背包问题可以看作是决策一个序列(x1, x2, …, xn)，对任一变量xi的决策是决定xi=1还是xi=0。在对xi-1决策后，已确定了(x1, …, xi-1)，在决策xi时，问题处于下列两种状态之一：　　　 （1）背包容量不足以装入物品i，则xi=0，背包不增加价值；　 （2）背包容量可以装入物品i，则xi=1，背包的价值增加了vi。　　　 这两种情况下背包价值的最大者应该是对xi决策后的背包价值。令V(i, j)表示在前i(1≤i≤n)个物品中能够装入容量为j（1≤j≤C）的背包中的物品的最大值，则可以得到如下动态规划函数：　 V(i, 0)= V(0, j)=0 （式4）　 　 (式5)　　　 （式6）　 　 式4表明：把前面i个物品装入容量为0的背包和把0个物品装入容量为j的背包，得到的价值均为0。　　　 式5的第一个式子表明：如果第i个物品的重量大于背包的容量，则装入前i个物品得到的最大价值和装入前i-1个物品得到的最大价值是相同的，即物品i不能装入背包；　　　 式6表明：如果第i个物品的重量小于背包的容量，则会有以下两种情况：（1）如果把第i个物品装入背包，则背包中物品的价值等于把前i-1个物品装入容量为j-Wi的背包中的价值加上第i个物品的价值Vi；（2）如果第i个物品没有装入背包，则背包中物品的价值就等于把前i-1个物品装入容量为j的背包中所取得的价值。显然，取二者中价值较大者作为把前i个物品装入容量为j的背包中的最优解。　　　 按下述方法来划分阶段：第一阶段，只装入前1个物品，确定在各种情况下的背包能够得的最大价值；第二阶段，只装入前2个物品，确定在各种情况下的背包能够得到的最大价值依此类推，直到第n个阶段。最后，V(n,C)便是在容量为C的背包中装入n个物品时取得的最大价值。为了确定装入背包的具体物品，从V(n,C)的值向前推，如果V(n,C)V(n-1,C)，表明第n个物品被装入背包，前n-1个物品被装入容量为C-Wn的背包中；否则，第n个物品没有被装入背包，前n-1个物品被装入容量为C的背包中。依此类推，直到确定第1个物品是否被装入背包中为止。由此，得到如下函数：