5.7.背包问题数据结构与算法.pdf

动态规划算法 解背包问题 背包问题(Knapsack Problem) 一个旅行者随身携带一个背包. 可以放 入背包的物品有n 种, 每种物品的重量 和价值分别为w , v 如果背包的最大 i i . 重量限制是b, 每种物品可以放多个. 怎 样选择放入背包的物品以使得背包的 价值最大? 不妨设上述w , v , b 都是 i i 正整数. 实例：n = 4，b =10 v = 1, v = 3, v = 5, v = 9, 1 2 3 4 w = 2, w = 3, w = 4, w = 7, 2 1 2 3 4 建模 解是x , x ,..., x ，其中x 是装入背包的 1 2 n i 第i 种物品个数 n 目标函数 max v x i 1 i i n  w x  b, x N 约束条件 i 1 i i i 线性规划问题: 由线性条件约束的线性函 数取最大或最小的问题 整数规划问题: 线性规划问题的变量xi 都是非负整数 3 子问题界定和计算顺序 子问题界定：由参数k 和y 界定 k ：考虑对物品1, 2, ... , k 的选择 y ：背包总重量不超过y 原始输入：k = n, y = b 子问题计算顺序： k = 1, 2, ... , n 对于给定的k ，y = 1, 2, ... , b 4 优化函数的递推方程 F (y ): 装前k 种物品, 总重不超过y, k 背包达到的最大价值 F (y ) max{F (y ),F (y  w )  v } k k 1 k k k F (y ) 0, 0  y  b, F (0) 0, 0  k  n 0 k  y  F (y ) v ，F (y )  y  0 1   1 k w  1  类似于投资问题,如何写递推方程 这两种写法有什么区别 F (y ) max {F (y x w )  x v } k