动态规划算法背包问题.pptVIP

第1页，共12页，编辑于2022年，星期二 例：输出Fibonacii数列的第n项的递归算法 #include <stdio.h> int fib(int n) { if (n<=1) return 1; else return fib(n-1)+fib(n-2); } void main( ) { int n; scanf("%d",&n); printf("%d\n" ,fib( n ) ); } 在上面的递归算法中存在多次计算同一个子问题,如：fib(2)。如果能将这样的子问题的解用数组保存起来，即可以加快求解的过程，即采用动态规划方法。 第2页，共12页，编辑于2022年，星期二 //输出Fibonacii数列的第n项的动态规划算法 #include <stdio.h> #define MAX 50 int fib(int n) { int i,a[MAX]; a[1]=a[2]=1; for (i=3; i<=n; i++) a[i]=a[i-1]+a[i-2]; return a[n]; } void main( ) { int n; scanf("%d",&n); printf("%d\n" ,fib( n ) ); } 第3页，共12页，编辑于2022年，星期二 例1：0-1背包问题 有一个负重能力为m的背包和不同价值v[i]、不同重量w[i]的物品n件。在不超过负重能力的前提下，从这n件物品中任意选择物品，使这些物品的价值之和最大。 物品 1 2 3 4 重量 5 3 2 1 价值 4 4 3 1 第4页，共12页，编辑于2022年，星期二 m[i][j]= m[i+1][j] 当j<w[i] Max(m[i+1][j], m[i+1][j-w[i] ]+v[i] ) 当j>=w[i] 算法思想1：设m[i][j]用来表示从第i项物品开始到第n项物品中区取出装入体积为j的背包的物品的最大价值。其中i的范围为1到n，其中j的范围为0到c，程序要寻求的解为m[1][c]。可以发现： ①m[n][j] 在当j>=0并且j< w[n] 时等于0，否则等于v[n] ②当前的背包容量j大于等于物品重量w[i]时， m[i][j]是下面两个量的最大值：m[i+1][j] 和 m[i+1][ j-w[i] ]+v[i] ③当前的背包容量j小于物品重量w[i]时，m[i][j]等于m[i+1][j]。 m[n][j]= v[n] 当j>=w[n] 0 当j>=0 并且 j< w[n] 第5页，共12页，编辑于2022年，星期二 //程序1：动态规划法 #include <stdio.h> #define MAX 20 int n,c,w[MAX],v[MAX],m[MAX][MAX]={0}; void disp( ) { int i; for (i=1; i<=n; i++) if ( m[i][c]!=m[i+1][c] ) printf("%5d%5d\n",w[i],v[i]); } 第6页，共12页，编辑于2022年，星期二 void knapsack() { int i,j; for (j=w[n]; j<=c; j++) m[n][j]=v[n]; for (i=n-1; i>=1;i--) for (j=w[i]; j<=c; j++) if ( m[i+1][j]>m[i+1][j-w[i]]+v[i] ) m[i][j]=m[i+1][j]; else m[i][j]=m[i+1][j-w[i]]+v[i]; } 第7页，共12页，编辑于2022年，星期二 void main( ) { int i,j; printf("输入物品种数:"); scanf("%d",&n); printf("输入每种物品的重量与价值:\n"); for (i=1; i<=n; i++) scanf("%d%d",&w[i],&v[i]); printf("输入背包的总重量:\n"); scanf("%d",&c); knapsack(); disp(); printf("最大价值=%d\n",m[0][c]); for (i=1; i<=n; i++) { for (j=0; j<=c; j++) printf("%3d",m[i][j