背包之01背包、完全背包、多重背包详解.doc

背包之01背包、完全背包、多重背包详解 首先说下动态规划，动态规划这东西就和递归一样，只能找局部关系，若想全部列出来，是很难的，比如汉诺塔。你可以说先把除最后一层的其他所有层都移动到2，再把最后一层移动到3，最后再把其余的从2移动到3，这是一个直观的关系，但是想列举出来是很难的，也许当层数n=3时还可以模拟下，再大一些就不可能了，所以，诸如递归，动态规划之类的，不能细想，只能找局部关系。 1.汉诺塔图片 （引至杭电课件:DP最关键的就是状态，在DP时用到的数组时，也就是存储的每个状态的最优值，也就是记忆化搜索） 要了解背包，首先得清楚动态规划： 动态规划算法可分解成从先到后的4个步骤： 1. 描述一个最优解的结构； 2. 递归地定义最优解的值； 3. 以“自底向上”的方式计算最优解的值； 4. 从已计算的信息中构建出最优解的路径。 其中步骤1~3是动态规划求解问题的基础。如果题目只要求最优解的值，则步骤4可以省略。 背包的基本模型就是给你一个容量为V的背包 在一定的限制条件下放进最多(最少?)价值的东西 当前状态 以前状态 看了dd大牛的《背包九讲》，迷糊中带着一丝清醒，这里我也总结下01背包，完全背包，多重背包这三者的使用和区别，部分会引用dd大牛的《背包九讲》，如果有错，欢迎指出。 (留言即可) 首先我们把三种情况放在一起来看： 01背包（ZeroOnePack）: 有N件物品和一个容量为V的背包。（每种物品均只有一件）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价值总和最大。 完全背包(CompletePack): 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(MultiplePack): 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。 比较三个题目，会发现不同点在于每种背包的数量，01背包是每种只有一件，完全背包是每种无限件，而多重背包是每种有限件。 先来分析01背包： 01背包（ZeroOnePack）: 有N件物品和一个容量为V的背包。（每种物品均只有一件）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价值总和最大。 这是最基础的背包问题，特点是：每种物品仅有一件，可以选择放或不放。 用子问题定义状态：即f[i][v]表示前i件物品恰放入一个容量为v的背包可以获得的最大价值。则其状态转移方程便是： f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]+w[i]} 把这个过程理解下：在前i件物品放进容量v的背包时， 它有两种情况： 第一种是第i件不放进去，这时所得价值为:f[i-1][v] 第二种是第i件放进去，这时所得价值为：f[i-1][v-c[i]]+w[i] （第二种是什么意思？就是如果第i件放进去，那么在容量v-c[i]里就要放进前i-1件物品） 最后比较第一种与第二种所得价值的大小，哪种相对大，f[i][v]的值就是哪种。 （这是基础，要理解！） 这里是用二位数组存储的，可以把空间优化，用一位数组存储。 用f[0..v]表示，f[v]表示把前i件物品放入容量为v的背包里得到的价值。把i从1~n(n件)循环后，最后f[v]表示所求最大值。 *这里f[v]就相当于二位数组的f[i][v]。那么，如何得到f[i-1][v]和f[i-1][v-c[i]]+w[i]？（重点！思考） 首先要知道，我们是通过i从1到n的循环来依次表示前i件物品存入的状态。即：for i=1..N 现在思考如何能在是f[v]表示当前状态是容量为v的背包所得价值，而又使f[v]和f[v-c[i]]+w[i]标签前一状态的价值？ 逆序！ 这就是关键！ for i=1..N for v=V..0 f[v]=max{f[v],f[v-c[i]]+w[i]}; 分析上面的代码：当内循环是逆序时，就可以保证后一个f[v]和f[v-c[i]]+w[i]是前一状态的！ 这里给大家一组测试数据： 测试数据：10,33,44,55,6/showproblem.php?pid=2602 代码在这里：/?p=533 分析： 具体根据上面的解释以及我给出的代码分析。这题很基础，看懂上面的知识应该就会做了。 完全背包： 完全背包(CompletePack): 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