动态规划与回溯法解决0-1背包问题.pdfVIP

实用文档 0-1 背包动态规划解决问题 一、问题描述： 有 n 个物品，它们有各自的重量和价值，现有给定容量的背包，如何让背包里装入的物品 具有最大的价值总和？ 二、总体思路： 根据动态规划解题步骤 （问题抽象化、建立模型、 寻找约束条件、 判断是否满足最优性原理、 找大问题与小问题的递推关系式、填表、寻找解组成）找出 01 背包问题的最优解以及解组 成，然后编写代码实现。 三、动态规划的原理及过程： number ＝4 ，capacity ＝7 i 1 2 3 4 w( 重量 ) 3 5 2 1 v( 价值 ) 9 10 7 4 原理： 动态规划与分治法类似， 都是把大问题拆分成小问题， 通过寻找大问题与小问题的递推 关系， 解决一个个小问题，最终达到解决原问题的效果。 但不同的是， 分治法在子问题和子 子问题等上被重复计算了很多次， 而动态规划则具有记忆性， 通过填写表把所有已经解决的 子问题答案纪录下来， 在新问题里需要用到的子问题可以直接提取， 避免了重复计算， 从而 节约了时间， 所以在问题满足最优性原理之后， 用动态规划解决问题的核心就在于填表， 表 填写完毕，最优解也就找到。 过程： a) 把背包问题抽象化 （X ，X ， …，Xn ，其中 Xi 取 0 或 1 ，表示第 i 个物品选或不选） ， 1 2 表示第 i 个物品的价值， W 表示第 i 个物品的体积（重量）； Vi i b) 建立模型，即求 max(V X +V X + … +VnXn) ； 1 1 2 2 c) 约束条件， W 1X1+W 2X2 + … +WnXncapacity ； d) 定义 V(i,j) ：当前背包容量 j ，前 i 个物品最佳组合对应的价值； e) 最优性原理是动态规划的基础， 最优性原理是指 “多阶段决策过程的最优决策序列具 有这样的性质： 不论初始状态和初始决策如何， 对于前面决策所造成的某一状态而言， 其后 各阶段的决策序列必须构成最优策略 ”。判断该问题是否满足最优性原理， 采用反证法证明： 假设 (X ，X ，…，Xn) 是 01 背包问题的最优解，则有 (X ，X ，…，Xn) 是其子问题 1 2 2 3 的最优解， 假设 (Y ，Y ， …，Yn) 是上述问题的子问题最优解，则理应有 2 3 (V2 Y2 +V 3Y3 + … +VnYn)+V 1X1 (V 2 X2 +V 3X3 + … +VnXn)+V 1X1； 文案大全 实用文档 而(V X +V X + … +VnXn)+V X =(V X +V X + … +VnXn) ，则有 2 2 3 3 1 1 1 1 2 2 (V2 Y2 +V 3Y3 + … +VnYn)+V 1X1 (V 1X1 +V 2 X2 + … +VnXn) ； 该式子说明 (X ，Y ，Y ， …，Yn) 才是该 01 背包问题的最优解，这与最开始的假设 1 2 3 ，X ，…，Xn) 是 01 背包问题的最优解