- 1、本文档共20页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
一、 问题描述
0/1 背包问题 :
现有 n 种物品,对 1=i=n ,已知第 i 种物品的重量为正整数 W i,价值为正整数 Vi,
背包能承受的最大载重量为正整数 W ,现要求找出这 n 种物品的一个子集,使得子集中物
品的总重量不超过 W 且总价值尽量大。 (注意:这里对每种物品或者全取或者一点都不取,
不允许只取一部分)
二、 算法分析
根据问题描述,可以将其转化为如下的约束条件和目标函数:
n
wi
xi W
(1)
i
1
xi
{ 0,1}( 1
i n)
n
max
vi xi (2)
i
1
于是,问题就归结为寻找一个满足约束条件( 1 ),并使目标函数式( 2 )达到最大的
解向量 X (x1, x2 , x3 ,......, xn ) 。
首先说明一下 0-1 背包问题拥有最优解。
假设 (x1, x2 , x3 ,......, xn ) 是所给的问题的一个最优解,
则 (x2 , x3
,......, xn ) 是下面问题的
n
wi xi W
w1x1 max
n
一个最优解: i 2
vi xi 。如果不是的话,设
( y2
, y3 ,......, yn ) 是这
xi
{ 0,1}( 2
i n)
i 2
n
n
n
个 问 题 的 一 个 最 优 解 , 则vi yi
vi xi , 且 w1x1
wi yi
W 。 因 此 ,
i 2
i 2
i 2
n
n
n
v1x1
vi yi v1 x1vi xi
vi xi ,这说明 (x1, y2 , y3 ,........, yn ) 是所给的
0-1 背包问
i 2
i 2
i 1
题比 ( x1 , x2 , x3 ,........, xn ) 更优的解,从而与假设矛盾。
穷举法:
用穷举法解决 0-1 背包问题,需要考虑给定 n 个物品集合的所有子集,找出所有可能
的子集(总重量不超过背包重量的子集) ,计算每个子集的总重量,然后在他们中找到价
值最大的子集。 由于程序过于简单,在这里就不再给出,用实例说明求解过程 。下面给出
了 4 个物品和一个容量为 10 的背包,下图就是用穷举法求解 0-1 背包问题的过程。
10
W1=7
W3=4
W4=5
V1=12
V4=25
W2=3
V3=40
V2=12
背包
物品 1
物品 2
物品 3
物品 4
( a) 四个物品和一个容量为 10 的背包
序号
子集
总重量
总价值
序号
子集
总重量
总价值
1
空集
0
0
9
{2 ,3}
7
52
2
{1}
7
42
10
{2 ,4}
8
37
3
{2}
3
12
11
{3 ,4}
9
65
4
{3}
4
40
12
{1,2,3}
14
不可行
5
{4}
5
25
13
{1,2,4}
15
不可行
6
{1 ,2}
10
54
14
{1,3,4}
16
不可行
7 {1 ,3} 11 不可行 15 {2,3,4} 12 不可行
8 {1 ,4} 12 不可行 16 {1,2,3,4} 19 不可行
( b )用回溯法求解 0-1 背包问题的过程
递归法:
在利用递归法解决 0-1 背包问题时,我们可以先从第 n 个物品看起。每次的递归调用
都会判断两种情况:
(1 ) 背包可以放下第 n 个物品,则 x[n]=1 ,并继续递归调用物品重量为 W-w[n],
物品数目为 n-1 的递归函数, 并返回此递归函数值与 v[n] 的和作为背包问题的
最优解;
(2 ) 背包放不下第 n 个物品,则 x[n]=0 ,并继续递归调用背包容量为 W ,物品数
目为 n-1 的递归函数,并返回此递归函数值最为背包问题的最优解。
递归调用的终结条件是背包的容量为 0 或物品的数量为 0.此时就得到了 0-1 背包问题
的最优解。
用递归法解 0-1 背包问题可以归结为下函数:
KnapSack(n
1,m)
没有选择物品 n
KnapSack(n, m)
1,m w[ n]) v[ n]
选择了物品 n
KnapSack(n
第一个式子表示选择物品
n 后得到价值 KnapSack (n
1, m w[ n])
v[ n] 比不选择
物品 n 情况下得到的价值 KnapSack(n
1, m) 小,所以最终还是不选择物品
n; 第二个式
子刚好相反, 选择物品 n 后的价值 KnapSack(n 1, m w[ n]) v[n] 不小于不选择物品 n
情况下得到了价值 KnapSack( n 1, m) ,所以最终选择物品 n 。
在递归调用的过程中可以顺便求出所选择的物品。下面是标记物品被选情况的数组
x[n] 求解的具体函数表示:
文档评论(0)