【算法导论】0-1背包问题与部分背包

【0-1背包】问题描述：n件物品，第i件物品价值 v[i] 元，重w[i] 磅。希望用 W磅的书包拿走总价值最贵的物品。(物品不可以分割故称为0-1背包)

【部分背包】问题描述：n件物品，第i件物品价值 vi 元，重wi 磅。希望用 W磅的背包拿走最重的物品。第i件物品可以都拿走，也可以拿走一部分。（物品可以分割所以称为部分背包）

注意：0-1背包不能用贪心算法求解。

原因：按照贪心算法，每一次拿的都是每磅最贵的物品。由于物品大小不同，有可能每磅最贵的不是最合适大小的。最坏的情况可能导致，背包没有装满，而且当前装的也不是最优的。

例如：10磅 A 价值60￥； 20磅 B 价值100￥；30磅 C 价值120￥；背包重50磅

按照贪心算法，应该选择 A B (160￥) 但是最优的应该是 BC（220￥）

分析：没有装满的背包降低了平均每磅物品的价值，将物品装入时必须考虑

1）装入物品i后子问题的解

2）不装入物品i后子问题的解哪个最优。

这样导致了许多子问题重叠，而这又恰巧是动态规划特点。

部分背包，显而易见可以用贪心算法。

【0-1背包】问题描述：
有N件物品和一个容量为V的背包。第i件物品的费用是c[i]，价值是w[i]。求解将哪些物品装入背包可使价值总和最大。所谓0-1背包，表示每一个物品只有一个，要么装入，要么不装入。

二，解决方案：
考虑使用动态规划(dynamic programming)问题求解，定义一个递归式 opt[i][v] 表示前i个物品，在背包容量大小为v的情况下，最大的装载量。
opt[i][v] = max(opt[i-1][v] , opt[i-1][v-c[i]] + w[i])
解释如下：
opt[i-1][v] 表示第i件物品不装入背包中，而opt[i-1][v-c[i]] + w[i] 表示第i件物品装入背包中。

花费如下：
时间复杂度为o(V * T) ，空间复杂度为o(V * T) 。时间复杂度已经无法优化，但是空间复杂度则可以进行优化。但必须将V 递减的方式进行遍历，即V.......0 的方式进行。

三，初始化：
（1）若要求背包必须放满，则初始如下：
f[0] = 0 , f[1...V]表示-INF。表示当容积为0时，只接受一个容积为0的物品入包。
（2）若要求背包可以空下，则初始化如下：
f[0...V] = 0 ，表示任意容积的背包都有一个有效解即为0。
具体解释如下：
初始化的f数组事实上就是在没有任何物品可以放入背包时的合法状态。
如果要求背包恰好装满，那么此时只有容量为0的背包可能被价值为0的nothing“恰好装满”，
其它容量的背包均没有合法的解，属于未定义的状态，它们的值就都应该是-∞了。
如果背包并非必须被装满，那么任何容量的背包都有一个合法解“什么都不装”，
这个解的价值为0，所以初始时状态的值也就全部为0了。

四，代码如下：

/*
01背包，使用了优化后的存储空间
建立数组

f[i][v] = max(f[i-1][v] , f[i-1][v-c[i]] + w[i])
将前i件物品，放入容量为v的背包中的最大值。

下面介绍一个优化，使用一维数组，来表示
(1) f[v]表示每一种类型的物品，在容量为v的情况下，最大值。
但是体积循环的时候，需要从v----1循环递减。

初始化问题：
(1)若要求背包中不允许有剩余空间，则可以将f[0]均初始化为0，其余的f[1..n]均初始化为-INF 。
表示只有当容积为0 的时候，允许放入质量为0的物品。
而当容积不为0的情况下，不允许放入质量为0的物品，并且把状态置为未知状态。

(2)若要求背包中允许有剩余空间，则可以将f[1n]，均初始化为0。
这样，当放不下去的时候，可以空着。
*/

[html] view plaincopy

#include<iostream>
usingnamespace std ;
constint V=1000 ;//总的体积
constint T=5 ;//物品的种类
int f[V+1] ;
//#define EMPTY//可以不装满
int w[T] ={8 , 10 , 4 , 5 ,5};//价值
int c[T] ={600 , 400 , 200 , 200 ,300};//每一个的体积
constint INF=-66536 ;
int package()
{
#ifdef EMPTY
for(int i=0 ; i<= V ;i++)//条件编译，表示背包可以不存储满
f[i] =0 ;
#else
f[0] =0 ;
for(int i=1 ; i<= V ;i++)//条件编译，表示背包必须全部存储满
f[i] = INF ;
#endif
for(int i=0 ; i< T ; i++)
{
for(int v= V ; v >= c[i] ;v--)//必须全部从V递减到0
{
f[v] = max(f[v-c[i]]+ w[i] , f[v]) ;//此f[v]实质上是表示的是i-1次之前的值。
}
}
return f[V] ;
}
int main()
{
int temp = package() ;
cout<<temp<<endl ;
system("pause") ;
return0 ;

【算法导论】0-1背包问题与部分背包相关推荐

算法导论之贪心算法(Huffman编码和拟阵)
贪心算法,在解决最优化问题上,通过得到子问题的局部最优解来合成问题的一个解,以局部最优选择来输出一个全局最优解. 问题要用贪心算法来求解,需满足和动态规划一样的最优子结构特征,同时还需要再每个子问题最 ...
Python数据结构与算法（1.1）——数据结构与算法导论
Python数据结构与算法(1.1)--数据结构与算法导论 0. 学习目标 1. 数据结构概述 1.1 什么是数据结构 1.2 逻辑结构和物理结构 1.3 抽象数据类型 1.4 数据结构学习的必要性 ...
令人头疼的背包九讲（1）0/1背包问题
点击上方"Jerry的算法和NLP",选择"星标"公众号重磅干货,第一时间送达背包问题是一个经典的动态规划模型.它既简单形象容易理解,又在某种程 ...
算法之动态规划，问题三：0 1 背包问题
目录 1 问题的描述 2 贪心算法? 3 算法的参数约定及递推式 4 算法具体实现 5 回溯原问题的解 6 案例输出 7 源代码 1 问题的描述 0 1 背包的问题: 有n个物品(权重Wi>0, ...
算法设计与分析实验二：动态规划法实现TSP问题和0/1背包问题
[实验目的] 1.熟练掌握动态规划思想及教材中相关经典算法. 2.使用动态规划法编程,求解0/1背包问题和TSP问题. TSP问题一.实验内容: TSP问题是指旅行家要旅行n个城市,要求每个城市经历 ...
分支限界法 01背包c语言,算法笔记分支限界法01背包问题
<算法笔记分支限界法01背包问题>由会员分享,可在线阅读,更多相关<算法笔记分支限界法01背包问题(12页珍藏版)>请在人人文库网上搜索. 1.问题描述给定n种物品和一背包.物 ...
背包问题（01背包，完全背包，多重背包（朴素算法二进制优化））
写在前面:我是一只蒟蒻~~~ 今天我们要讲讲动态规划中~~最最最最最~~~~简单~~的背包问题 1. 首先,我们先介绍一下 01背包大家先看一下这道01背包的问题题目有m件物品和一个容 ...
《算法导论》读书笔记(七)
<算法导论>读书笔记之第16章贪心算法-活动选择问题前言:贪心算法也是用来解决最优化问题,将一个问题分成子问题,在现在子问题最优解的时,选择当前看起来是最优的解,期望通过所做的局部最优 ...
《算法导论》学习总结 — 21.第16章贪心算法(1) 基础入门1
建议先看看前言:http://www.wutianqi.com/?p=2298 连载总目录:http://www.wutianqi.com/?p=2403 说到贪心算法,避免不了于DP对比,所以前面的 ...
八十九、动态规划系列背包问题之完全背包
@Author:Runsen @Date:2020/9/15 动态规划需要搞定三个系列:三个背包,零钱问题和股票问题.今天就开始干掉三个背包问题. 三个背包问题:01背包,多重背包,完全背包.上次搞定 ...

【算法导论】0-1背包问题与部分背包

【算法导论】0-1背包问题与部分背包相关推荐

最新文章

热门文章

【算法导论】0-1背包问题 与 部分背包

【算法导论】0-1背包问题 与 部分背包相关推荐

最新文章

热门文章

【算法导论】0-1背包问题与部分背包

【算法导论】0-1背包问题与部分背包相关推荐