0-1背包问题的简单解释

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 >= Wi ), f[i-1,j] }

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？

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

[java] view plaincopy

public function get01PackageAnswer(bagItems:Array,bagSize:int):Array
{
var bagMatrix:Array=[];
var i:int;
var item:PackageItem;
for(i=0;i<bagItems.length;i++)
{
bagMatrix[i] = [0];
}
for(i=1;i<=bagSize;i++)
{
for(var j:int=0;j<bagItems.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;
continue;
}
else
{
itemInBag = bagMatrix[j-1][i-item.weight]+item.value;
}
bagMatrix[j][i] = (bagMatrix[j-1][i] > itemInBag ? bagMatrix[j-1][i] : itemInBag)
}
}
}
//find answer
var answers:Array=[];
var curSize:int = bagSize;
for(i=bagItems.length-1;i>=0;i--)
{
item = bagItems[i] as PackageItem;
if(curSize==0)
{
break;
}
if(i==0 && curSize > 0)
{
answers.push(item.name);
break;
}
if(bagMatrix[i][curSize]-bagMatrix[i-1][curSize-item.weight]==item.value)
{
answers.push(item.name);
curSize -= item.weight;
}
}
return answers;
}

PackageItem类

[java] view plaincopy

public class PackageItem
{
public var name:String;
public var weight:int;
public var value:int;
public function PackageItem(name:String,weight:int,value:int)
{
this.name = name;
this.weight = weight;
this.value = value;
}
}

测试代码

[java] view plaincopy

var nameArr:Array=['a','b','c','d','e'];
var weightArr:Array=[2,2,6,5,4];
var valueArr:Array=[6,3,5,4,6];
var bagItems:Array=[];
for(var i:int=0;i<nameArr.length;i++)
{
var bagItem:PackageItem = new PackageItem(nameArr[i],weightArr[i],valueArr[i]);
bagItems[i]=bagItem;
}
var arr:Array = ac.get01PackageAnswer(bagItems,10);

0-1背包问题的简单解释相关推荐

linux中shell变量$#,$@,$0,$1,$2的含义解释
linux中shell变量$#,$@,$0,$1,$2的含义解释: 变量说明: $$ Shell本身的PID(ProcessID) $! Shell最后运行的后台Process的PID $ ...
Lucene的评分(score)机制的简单解释
Lucene的评分(score)机制的简单解释博客分类: Lucene lucene编程Apachethread 通过Searcher.explain(Query query, int do ...
常用CSS元素div ul dl dt ol的简单解释
几个css元素的简单解释 div ul dl dt oldiv,这个很常见,块级元素,div尽量少用,和table一样,嵌套越少越好 ol 有序列表. <ol> <li>--& ...
0/1背包问题-----回溯法求解
问题描述有n个物品和一个容量为c的背包,从n个物品中选取装包的物品.物品i的重量为w[i],价值为p[i].一个可行的背包装载是指,装包的物品总重量不超过背包的重量.一个最佳背包装载是指,物品总价值 ...
0/1背包问题-----动态规划求解
问题描述有n个物品和一个容量为c的背包,从n个物品中选取装包的物品.物品i的重量为w[i],价值为p[i].一个可行的背包装载是指,装包的物品总重量不超过背包的重量.一个最佳背包装载是指,物品总价值 ...
广度优先遍历类似于二叉树的_二叉树的各种遍历方法的简单解释
二叉树顾名思义,最多两个孩子. 一般规定一个二叉树,因为节点间有相互连接的原因,所以只要给定根节点,那么顺着寻找左孩子和右孩子便可以遍历到所有的节点,这就是遍历的直观解释. 而遍历分为深度遍历和广度遍 ...
resultset不支持循环遍历_二叉树的各种遍历方法的简单解释
二叉树顾名思义,最多两个孩子. 一般规定一个二叉树,因为节点间有相互连接的原因,所以只要给定根节点,那么顺着寻找左孩子和右孩子便可以遍历到所有的节点,这就是遍历的直观解释. 而遍历分为深度遍历和广度遍 ...
分枝定界法解0/1背包问题
分枝定界法解0/1背包问题关键词:分支定界.0-1背包分枝定界法简介分枝定界法按照树形结构来组织解空间,展开节点后,有两种策略: 策略一.把节点加入 FIFO 队列当中: 策略二.把节点加入到堆 ...
教ai玩游戏_简单解释：DeepMind如何教AI玩视频游戏
教ai玩游戏 by Aman Agarwal 通过阿曼·阿加瓦尔(Aman Agarwal) 简单解释:DeepMind如何教AI玩视频游戏 (Explained Simply: How DeepMi ...

0-1背包问题的简单解释

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] }

0-1背包问题的简单解释相关推荐

最新文章

热门文章