01背包问题分析和总结.docxVIP

f[i,j]表示在前 f[i,j]表示在前i 件物品中选择若干件放在承重为 j 的背包中，可以取得的最大价值。 Pi 表示第i 件物品的价值。 决策：为了背包中物品总价值最大化，第 i 件物品应该放入背包中吗 ？ 题目描述： 有编号分别为 a,b,c,d,e 的五件物品，它们的重量分别是 2,2,6,5,4，它们的价值分别是 6,3,5,4,6，现在给你个承重为10 的背包，如何让背包里装入的物品具有最大的价值总和？ 01 背包问题，是用来介绍动态规划算法最经典的例子，网上关于 01 背包问题的讲解 也很多，我写这篇文章力争做到用最简单的方式，最少的公式把01 背包问题讲解透彻。 01 背包的状态转换方程f[i,j] = Max{ f[i-1,j-Wi]+Pi( j 01 背包的状态转换方程 f[i,j] = Max{ f[i-1,j-Wi]+Pi( j = Wi ), f[i-1,j] } name weight value 1 2 3 4 5 6 7 8 9 10 a 2 6 0 6 6 9 9 12 12 15 15 15 b 2 3 0 3 3 6 6 9 9 9 10 11 c 6 5 0 0 0 6 6 6 6 6 10 11 d 5 4 0 0 0 6 6 6 6 6 10 10 e 4 6 0 0 0 6 6 6 6 6 6 6 只要你能通过找规律手工填写出上面这张表就算理解了 只要你能通过找规律手工填写出上面这张表就算理解了01 背包的动态规划算法。首先要明确这张表是至底向上，从左到右生成的。 为了叙述方便，用e2 单元格表示e 行 2 列的单元格，这个单元格的意义是用来表示只有物品e 时，有个承重为2 的背包，那么这个背包的最大价值是0，因为e 物品的重量是 4，背包装不了。 对于 d2 单元格，表示只有物品e，d 时,承重为 2 的背包,所能装入的最大价值，仍然是 0，因为物品e,d 都不是这个背包能装的。 同理，c2=0，b2=3,a2=6。 对于承重为 8 的背包，a8=15,是怎么得出的呢？ 根据 01 背包的状态转换方程，需要考察两个值， 一个是f[i-1,j],对于这个例子来说就是b8 的值 9，另一个是f[i-1,j-Wi]+Pi； 在这里， f[i-1,j]表示我有一个承重为 8 的背包，当只有物品 b,c,d,e 四件可选时，这个背包能装入的最大价值 f[i-1,j-Wi]表示我有一个承重为 6 的背包（等于当前背包承重减去物品a 的重量），当只有物品b,c,d,e 四件可选时，这个背包能装入的最大价值 f[i-1,j-Wi]就是指单元格b6,值为 9，Pi 指的是a 物品的价值，即 6 由于f[i-1,j-Wi]+Pi = 9 + 6 = 15 大于 f[i-1,j] = 9，所以物品a 应该放入承重为 8 的背包 以下是actionscript3的代码 public function get01PackageAnswer(bagItems:Array,bagSize:int):Array { var bagMatrix:Array=[]; var i:int; var item:PackageItem; for(i=0;ibagItems.length;i++) { bagMatrix[i] = [0]; } for(i=1;i=bagSize;i++) { for(var j:int=0;jbagItems.length;j++) {  item = bagItems[j] as PackageItem;  if(item.weight i) { //i 背包转不下 item if(j==0) { bagMatrix[j][i] = 0;  } else { bagMatrix[j][i]=bagMatrix[j-1][i]; } else {  } //将item 装入背包后的 价值总和  var itemInBag:int; if(j==0) { bagMatrix[j][i] = item.value;  } else  continue; PackageItem 类 PackageItem 类 public class PackageItem { function PackageItem(name:String,weight:int,value:int) { itemInBag = bagMatrix[j-1][i-item.weight]+item.value; } bagMatrix[j][i] = (bagMatrix[j-1][i] itemInBag ? bagMatrix[j-1][i] : itemInBag) } } } //find ans