动态规划-背包问题专题.ppt

动态规划 - 背包问题及其变形 长沙市一中 曹毅 回顾：动态规划的核心要素 基本概念： 阶段 状态 状态转移方程 使用条件： 最优子结构 无后效性 背包问题： 01背包问题 完全背包问题 多重背包问题 混合背包问题 二维费用的背包问题 分组背包问题 有依赖背包问题 01背包 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：对于第i件物品，我们有两个选择：放或者不放，用f[i][v]表示前i件物品恰放入容量为v的最大价值，于是有两种情况： 不放：f[i][v]=f[i-1][v] 放： f[i][v]=f[i-1][v-c[i]]+w[i] 最后取这两者的最大值 于是得出状态转移方程： f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]+w[i]} 边界：f[1][0]=0（不装任何东西） 核心代码： for i=1..n for v=v..0 f[i][v]=max{f[i-1][v],f[i-1][v-w[i]]+c[i]} 时空分析及优化 以上方法的时间和空间复杂度均为O(N*V)，其中时间复杂度基本已经不能再优化了，但空间复杂度却可以优化到O(V)。 f[i][v]-f[v] ‘f[v]表示重量不超过V公斤的最大价值 数据： 10 4 重量 价值 求得： 2 1 3 3 4 5 7 9 f[1] 0 f[2] 1 f[3] 3 f[4] 5 f[5] 5 f[6] 6 f[7] 9 f[8] 9 f[9] 10 f[10] 12 完全背包问题 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。 区别：第i件物品可以无限装，01背包只能装一次 转换：f[v]=max{f[v],f[v-k*w[i]]+k*c[i]} 其中0=k*w[i]=v for i=1..n for v=0..v f[i][v]=max{f[i-1][v],f[i-1][v-w[i]]+c[i]} 01背包与完全背包对比 数据： 10 4 重量 价值 求得： 2 1 3 3 4 5 7 9 01背包 f[1] 0 f[2] 1 f[3] 3 f[4] 5 f[5] 5 f[6] 6 f[7] 9 f[8] 9 f[9] 10 f[10] 12 完全背包 f[1] 0 f[2] 1 f[3] 3 f[4] 5 f[5] 5 f[6] 6 f[7] 9 f[8] 10 f[9] 10 f[10] 12 完全背包的优化： 1.简单优化：w[i]=w[j] 且c[i]=c[j]则去掉j物品（性价比低） 2.二进制优化，核心思想：将第i种物品拆成若干个物品，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+10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。目的还是转换为01背包问题。 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。 分析：类似完全背包，k的取值范围有所变化 f[i][v]=max{f[i-1][v-k*c[i]]+ k*w[i]|0=k=n[i]}。复杂度是O(V*∑n[i]) 混合背包问题： 其实是将多种背包问题混在一起，无需多讲，在循环时根据不同的背包类型进行不同的处理即可，此处不再赘述。 二维费用背包问题： 同上，加多一维数组即可。 状态转移方程： f[i][v][u]=max{f[i-1][v][u],f[i-1][v-a[i]][u-b[i]]+w[i]} 分组背包问题（同组互斥） 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]。这些物品被划分为若干组，每组中的物品互相冲突，最多选一件。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。 分析：这个问题变成了每组物品有若干种策略：是选择本组的某一件，还是一件都不选。也就是说设f[k][v]表示前k组物品花费费用v能取得的最大权值，则有f[k][v]=max{f[k-1][v],f[k-1][v-c[i]]+w[i]|物