二维背包问题(二维0-1背包)
二维0-1背包问题
- 问题描述
- 算法思路与代码实现
- 方法一:普通动归方法
- 方法二:空间优化法
- 代码1:方法一
- 从n个物品中的第1个物品开始考虑(从前往后考虑)。
- 从n个物品中的第n个物品开始考虑(从后往前考虑)。
- 代码2:空间优化法
- 代码测试
- 算法心得和复杂度分析
问题描述
给定nnn种物品和一背包。物品iii的重量是wiw_iwi,体积是bib_ibi,其价值为viv_ivi,背包的容量为ccc,容积为ddd。问应如何选择装入背包中的物品,使得装入背包中物品的总价值最大?在选择装入背包的物品是,对每种物品i只能有两种选择,即装入背包和不装入背包。不能将物品i装入背包多次,也不能只装入部分的物品iii。尝试设计一个解决此问题的动态规划算法。
算法思路与代码实现
为了描述的方便(同时贴合我自己的代码),对一些表示符号稍作修改
物品i的重量表示为wi, 体积表示为bi,价值为vi
背包总容量为W,容积为B。(比较对应)
方法一:普通动归方法
从n个物品中的第n个物品开始考虑。设dp[i] [j] [k]是可选物品为i,i+1,…,n;背包容量为j,背包容积为k时的二维0-1背包问题的最优值(即最大价值数)
则状态转移方程如下:
dp[i][j][k]={max{dp[i+1][j][k],dp[i+1][j−wi][k−bi]+vi}j≥wi,0≤i≤n−1dp[i+1][j][k]0≤j<wi,0≤i≤n−1vnj≥wn,i=n00≤j<wn,i=ndp[i][j][k]= \left\{ \begin{aligned} &max\{dp[i+1][j][k],\ dp[i+1][j-w_i][k-b_i]+v_i\} &\quad j\geq w_i\ , 0\leq i \leq n-1\\ &dp[i+1][j][k]&\quad 0\leq j<w_i\ ,0\leq i \leq n-1\\ &v_n&\quad j\geq w_n\ , i=n\\ &0&\quad 0\leq j<w_n\ , i=n \end{aligned} \right. dp[i][j][k]=⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧max{dp[i+1][j][k], dp[i+1][j−wi][k−bi]+vi}dp[i+1][j][k]vn0j≥wi ,0≤i≤n−10≤j<wi ,0≤i≤n−1j≥wn ,i=n0≤j<wn ,i=n
在该问题下,i∈[1,n];j∈[0,W];k∈[0,B];最终问题转化为求dp[1] [W] [B]
至于得到具体背包内的物品,可以根据计算得出的dp[i] [j] [k]求出。具体做法是i从1到n变化,对比dp[i] [j] [k]和dp[i+1] [j] [k]的值,如果相同说明第i个物品没有被放入包中,让i=i+1继续做对比;如不相同则说明该物品放入包中,让j和k中的值减去第i个物品的重量和体积,再让i=i+1继续做对比,最终得到背包内装的所有物品。
从n个物品中的第1个物品开始考虑。设dp[i] [j] [k]是可选物品为1,2,…,i;背包容量为j,背包容积为k时的二维0-1背包问题的最优值(即最大价值数)
则状态转移方程如下:
dp[i][j][k]={max{dp[i−1][j][k],dp[i−1][j−wi][k−bi]+vi}j≥wi,1≤i≤ndp[i−1][j][k]0≤j<wi,1≤i≤nv1j≥w1,i=100≤j<w1,i=1dp[i][j][k]= \left\{ \begin{aligned} &max\{dp[i-1][j][k],\ dp[i-1][j-w_i][k-b_i]+v_i\} &\quad j\geq w_i\ , 1\leq i \leq n\\ &dp[i-1][j][k]&\quad 0\leq j<w_i\ ,1\leq i \leq n\\ &v_1&\quad j\geq w_1\ , i=1\\ &0&\quad 0\leq j<w_1\ , i=1 \end{aligned} \right. dp[i][j][k]=⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧max{dp[i−1][j][k], dp[i−1][j−wi][k−bi]+vi}dp[i−1][j][k]v10j≥wi ,1≤i≤n0≤j<wi ,1≤i≤nj≥w1 ,i=10≤j<w1 ,i=1
在该问题下,i∈[1,n];j∈[0,W];k∈[0,B];最终问题转化为求dp[n] [W] [B]
如果我们让i=0表示没有可选物品,则可以进一步化简状态转移方程,变为如下形式:
dp[i][j][k]={max{dp[i−1][j][k],dp[i−1][j−wi][k−bi]+vi}j≥wi,0≤i≤ndp[i−1][j][k]0≤j<wi,0≤i≤ndp[i][j][k]= \left\{ \begin{aligned} &max\{dp[i-1][j][k],\ dp[i-1][j-w_i][k-b_i]+v_i\} &\quad j\geq w_i\ , 0\leq i \leq n\\ &dp[i-1][j][k]&\quad 0\leq j<w_i\ ,0\leq i \leq n\\ \end{aligned} \right. dp[i][j][k]={max{dp[i−1][j][k], dp[i−1][j−wi][k−bi]+vi}dp[i−1][j][k]j≥wi ,0≤i≤n0≤j<wi ,0≤i≤n
显然,这样可以为后面的程序编写带来方便。
至于得到具体背包内的物品,可以根据计算得出的dp[i] [j] [k]求出。具体做法是i从n到0变化,对比dp[i] [j] [k]和dp[i-1] [j] [k]的值,如果相同说明第i个物品没有被放入包中,让i=i-1继续做对比;如不相同则说明该物品放入包中,让j和k中的值减去第i个物品的重量和体积,再让i=i-1继续做对比,最终得到背包内装的所有物品。
方法二:空间优化法
在上一种方法的基础上,容易发现每次的dp[i] [j] [k]只与dp[i-1] [j] [k]有关(或者dp[i+1] [j] [k]),这样只要每次重复利用上一轮的计算结果,就可以计算这次的dp[i] [j] [k],也就可以通过循环控制去掉i这一维的空间,循环利用dp[j] [k]的二维空间。从而达到降低空间消耗的目的。
但这么做的会导致难以获取到背包最后具体装的物品。(因为每次计算的dp[i] [j] [k]被覆盖了)
代码1:方法一
从n个物品中的第1个物品开始考虑(从前往后考虑)。
#include<stdio.h>
#include<stdlib.h> // standard_library
// O(n*W*B) + O(n)
int max(int a,int b){if(a>b)return a;else return b;
} // 比较大小的函数
int main(){//声明参数和数据输入int n; // 物品个数printf("物品个数 n = "); scanf("%d",&n);int W; // 背包最大承受重量int B; // 背包最大容积int *w = (int*)malloc(sizeof(int)*(n+1)); // 记录物品重量,首位不用int *b = (int*)malloc(sizeof(int)*(n+1)); // 记录物品体积,首位不用int *v = (int*)malloc(sizeof(int)*(n+1)); // 记录物品价值,首位不用int *x = (int*)malloc(sizeof(int)*(n+1)); // 记录背包内存放了哪些物品。0表示没有放,1表示放了。首位不用。printf("背包最大承受重量 W = "); scanf("%d",&W);printf("背包最大容积 B = "); scanf("%d",&B);printf("每个物品的重量wi: ");for(int i=1;i<=n;i++)scanf("%d",&w[i]);printf("每个物品的体积bi: ");for(int i=1;i<=n;i++)scanf("%d",&b[i]);printf("每个物品的价值vi: ");for(int i=1;i<=n;i++)scanf("%d",&v[i]);// 动态规划找最优解 int i,j,k;//声明并初始化dp[n+1][W+1][B+1]int ***dp = (int***)malloc(sizeof(int**)*(n+1));for(int i=0;i<=n;i++){dp[i] = (int**)malloc(sizeof(int*)*(W+1));for(int j=0;j<=W;j++){dp[i][j] = (int*)malloc(sizeof(int)*(B+1));for(int k=0;k<=B;k++)dp[i][j][k]=0; // 其内元素都置为零,这里同时也完成了第一行的初始化}}for(i=1;i<=n;i++){for(j=0;j<=W;j++){ //会出现j=w[i]的情况,所以遍历包含必须有j=0,下面k同理 for(k=0;k<=B;k++){if(j>=w[i] && k>=b[i]){dp[i][j][k] = max(dp[i-1][j][k], dp[i-1][j-w[i]][k-b[i]]+v[i]);}else{dp[i][j][k] = dp[i-1][j][k];}} }}// 打印dp[n][W][B],即问题的最优值printf("maxValue = %d\n",dp[n][W][B]);// 计算x[i],即分析最终背包内有哪些物品 for(i=n,j=W,k=B; i>0; i--){if(dp[i][j][k]==dp[i-1][j][k]){ // 没有变化,说明没有选取 x[i]=0;}else{x[i]=1; // 有变化,说明该物品被选取了 j -= w[i];k -= b[i];}}printf("x[i] = ");for(int i=1;i<=n;i++){printf("%d ",x[i]);}puts("");return 0;
}/* 一个测试用例如下
5
10
10
2 2 6 5 4
2 2 6 5 4
6 3 5 4 6*/
从n个物品中的第n个物品开始考虑(从后往前考虑)。
#include<stdio.h>
#include<stdlib.h> // standard_library
// O(n*W*B) + O(n)
int max(int a,int b){if(a>b)return a;else return b;
}// 比较大小的函数
int main(){//声明参数和数据输入int n; // 物品个数printf("物品个数 n = "); scanf("%d",&n);int W; // 背包最大承受重量int B; // 背包最大容积int *w = (int*)malloc(sizeof(int)*(n+1)); // 记录物品重量,首位不用int *b = (int*)malloc(sizeof(int)*(n+1)); // 记录物品体积,首位不用int *v = (int*)malloc(sizeof(int)*(n+1)); // 记录物品价值,首位不用int *x = (int*)malloc(sizeof(int)*(n+1)); // 记录背包内存放了哪些物品。0表示没有放,1表示放了。首位不用。printf("背包最大承受重量 W = "); scanf("%d",&W);printf("背包最大容积 B = "); scanf("%d",&B);printf("每个物品的重量wi: ");for(int i=1;i<=n;i++)scanf("%d",&w[i]);printf("每个物品的体积bi: ");for(int i=1;i<=n;i++)scanf("%d",&b[i]);printf("每个物品的价值vi: ");for(int i=1;i<=n;i++)scanf("%d",&v[i]);// 动态规划找最优解 int i,j,k;//声明并初始化dp[n+1][W+1][B+1]int ***dp = (int***)malloc(sizeof(int**)*(n+1));for(int i=0;i<=n;i++){dp[i] = (int**)malloc(sizeof(int*)*(W+1));for(int j=0;j<=W;j++){dp[i][j] = (int*)malloc(sizeof(int)*(B+1));for(int k=0;k<=B;k++)dp[i][j][k]=0; // 其内元素都置为零}} // 初始化i=n的情况for(j=0;j<=W;j++){for(k=0;k<=B;k++){if(j>=w[n] && k>=b[n]){dp[n][j][k] = v[n];}else {dp[n][j][k] = 0;}}}for(i=n-1;i>=1;i--){ // 从i=n-1 ... 1for(j=0;j<=W;j++){ // 会出现j=w[i]的情况,所以遍历包含必须有j=0,下面k同理 for(k=0;k<=B;k++){if(j>=w[i] && k>=b[i]){dp[i][j][k] = max(dp[i+1][j][k], dp[i+1][j-w[i]][k-b[i]]+v[i]);}else{dp[i][j][k] = dp[i+1][j][k];}} }}// 打印dp[1][W][B],即问题的最优值printf("maxValue = %d\n",dp[1][W][B]); // 不是dp[n][W][B]// 计算x[i],即分析最终背包内有哪些物品 for(i=1,j=W,k=B; i<n; i++){ //由上到下if(dp[i][j][k]==dp[i+1][j][k]){ // 没有变化,说明没有选取 x[i]=0;}else{ // 有变化,说明该物品被选取了 x[i]=1; j -= w[i];k -= b[i];}} // 以下考虑i=n情况x[n] = (dp[n][W][B])?1:0;// 打印x[i]printf("x[i] = ");for(int i=1;i<=n;i++){printf("%d ",x[i]);}puts("");return 0;
}
代码2:空间优化法
#include<stdio.h>
#include<stdlib.h> // standard_library
// O(n*W*B) + O(n)int max(int a,int b){if(a>b)return a;else return b;
}
int main(){//声明参数和数据输入int n; // 物品个数printf("物品个数 n = "); scanf("%d",&n);int W; // 背包最大承受重量int B; // 背包最大容积int *w = (int*)malloc(sizeof(int)*(n+1)); // 记录物品重量,首位不用int *b = (int*)malloc(sizeof(int)*(n+1)); // 记录物品体积,首位不用int *v = (int*)malloc(sizeof(int)*(n+1)); // 记录物品价值,首位不用int *x = (int*)malloc(sizeof(int)*(n+1)); // 记录背包内存放了哪些物品。0表示没有放,1表示放了。首位不用。printf("背包最大承受重量 W = "); scanf("%d",&W);printf("背包最大容积 B = "); scanf("%d",&B);printf("每个物品的重量wi: ");for(int i=1;i<=n;i++)scanf("%d",&w[i]);printf("每个物品的体积bi: ");for(int i=1;i<=n;i++)scanf("%d",&b[i]);printf("每个物品的价值vi: ");for(int i=1;i<=n;i++)scanf("%d",&v[i]);// 动态规划找最优解 int i,j,k;//声明并初始化dp[n+1][W+1][B+1]int **dp = (int**)malloc(sizeof(int*)*(W+1));for(int i=0;i<=W;i++){dp[i] = (int*)malloc(sizeof(int)*(B+1));for(int j=0;j<=B;j++){dp[i][j]=0; // 其内元素都置为零}}for(i=1;i<=n;i++){for(j=W;j>=0;j--){ //会出现j=w[i]的情况,所以遍历包含必须有j=0,下面k同理 for(k=B;k>=0;k--){if(j>=w[i] && k>=b[i]){dp[j][k] = max(dp[j][k], dp[j-w[i]][k-b[i]]+v[i]);}else{}} }}printf("maxValue = %d\n",dp[W][B]);return 0;
}
代码测试
测试用例如下
n = 5; W = 10;B = 10;
wi = {2,2,6,5,4}; // 记录重量
bi = {2,2,6,5,4}; // 记录体积
vi = {6,3,5,4,6}; // 记录价值
方法一:
方法二:
算法心得和复杂度分析
算法复杂度分析:
对于以上的方法,求得最终结果dp[n] [W] [B](或者dp[1] [W] [B],或dp[W] [B]),都经过了求其前面dp[][][] [] []的过程,所以算法复杂度来源于计算状态转移方程dp[i] [j] [k]的次数和计算一次状态转移方程的时间复杂度。计算次数受到物品个数,背包容量和容积的影响,为n*W*B次,而一次计算的时间复杂度显然是是常数级别的。
所以算法总的时间复杂度为O(n*W*B),n为物品个数,W为背包容量(最大承受重量),B为背包容积。
空间复杂度分析:
在优化空间消耗前,需要使用三维数组,空间复杂度为O(n*W*B),优化空间后降低为O(W*B)。
心得体会:
不同的选择考虑方式会有时会带来对编写程序方便。这个问题中,从n个物品中的第1个物品开始考虑(从前往后考虑),可以化简状态转移方程,让程序更加简单。
当每次一组数据的计算方法只依靠上一次的计算数据时,可以不开辟能够保存所有数据的空间大小,而是取每一次所序的空间大小,以此达到减少空间消耗的目的(滚动数组)。并且在算法设计时,必须防止要用于计算的数据被覆盖,在这个问题中体现的就是j必须逆向遍历。同时这么做也会导致计算过程中中间数据的丢失,难以获得到背包最后具体装的物品。
要想让程序能处理动态的数据,需要采用动态分配内存的方法声明dp数组
分享的同时记录学习,有问题欢迎交流指正。
觉得有用的话就点个赞吧!
二维背包问题(二维0-1背包)相关推荐
- MATLAB在运筹学背包问题的应用,运筹学论文之二维背包问题.docx
运筹学论文之二维背包问题.docx 运筹学课程2011年12月论文评价指标与鉴定意见整数规划之二维背包问题摘要随着经济的增长,人们的体育生活也越来越丰富多彩,登山,成为人们的一种时尚.本文运用动态规划 ...
- HDOJ 2602-Bone Collector(0/1背包模板、打印方案及滚动数组解法)
0/1背包 一.Bone Collector 解法一:二维数组解法(0/1背包模板代码) 1.1 0/1背包打印方案代码 解法二:滚动数组(一维)解法 2.1 一维滚动数组例题 E-爱玩游戏的Tom ...
- 【ICPC-283】hdu 2126 Buy the souvenirs(二维0/1背包)
点击打开链接hdu2126 思路: 二维0/1背包 分析: 1 题目给定n个物品的价钱和m的钱,问最多能买到的物品数有几种方案. 2 很明显就可以写出状态转移方程dp[i][j][k]表示的是前i个物 ...
- 信息学奥赛一本通1267:【例9.11】01背包问题(二维dp与滚动数组优化)
[题目描述] 一个旅行者有一个最多能装 MM 公斤的背包,现在有 nn 件物品,它们的重量分别是W1,W2,...,WnW1,W2,...,Wn,它们的价值分别为C1,C2,...,CnC1,C2,. ...
- python 解决 0-1 二维背包问题
问题描述:给定n种物品和一背包.物品i的重量是wi,体积是bi,其价值为vi,背包的容量为C,容积为D.问:应该如何选择装入背包种的物品,使得总价值最大? 其实,这就是一维0-1背包问题的推广,二维背 ...
- 有一个人前来买瓜 | C++ | 二维背包问题
提醒:这道题目你会不会做,看不看得懂其他大佬的做法,完全取决于你看没看过背包问题,懂不懂背包问题的基本逻辑原理.换言之,只要你会背包,自己做出来不是难题. (因为我身边好多人包括我,一开始都不清楚背包 ...
- 动态规划——1292:宠物小精灵之收服(二维背包问题)
1292:宠物小精灵之收服 时间限制: 1000 ms 内存限制: 65536 KB 提交数: 6298 通过数: 3921 [题目描述] 宠物小精灵是一部讲述小智和他的搭档皮卡丘一起冒险的故事. 一 ...
- windows二维码工具3.0
windows二维码工具3.0 工具说明 先看下最新版本工具界面 本次升级优化如下内容: - 增加解二维码功能 - "二维码"和"logo文件"可直接拖进图片 ...
- 【C 语言】二级指针作为输入 ( 二维数组 | 二维数组遍历 | 二维数组排序 )
文章目录 一.二维数组 1.二维数组声明及初始化 2.二维数组遍历 3.二维数组排序 二.完整代码示例 一.二维数组 前几篇博客中 , 介绍的是指针数组 ; 指针数组 的 结构特征 是 , 数组中的每 ...
- Java数组(3)--二维(多维)数组
二维数组相当于一维数组的元素是一维数组 一.二维数组声明赋值初始化 动态初始化① int[][] arr = new int[3][2]; 定义了名称为arr的二维数组 二维数组中有3个一维数组 每一 ...
最新文章
- 监听端口的非阻塞性不具有继承性
- .NET平台PE结构分析之Metadata(一)
- 完成AOP 顶层设计-JoinPoint
- PinnerSage模型
- 机器学习--K折交叉验证(K-fold cross validation)
- [Python] 函数lambda(), filter(), map(), reduce()
- 时间旅行java_[ 一起学React系列 -- 7 ] 秘术之时间旅行-2
- static全局变量与普通的全局变量有什么区别?static局部变量和普通局部变量有什么区别?static函数与普通函数有什么区别?...
- 心理学家、实验与效应
- Ubuntu使用技巧集锦(持续追加中……)
- 程序开发基础学习五(json配置、解析文件,c++篇)
- 华为云devops认证考试课堂笔记2
- Linux定时任务-定时锁屏
- Kickoff - 创造可扩展的,响应式的网站
- Matlab导入整个文件夹目录下txt文档到数据库
- 【Maven】什么是Maven?Maven有什么用?
- 使用计算机读取其时钟值,计算机网络中的时间同步
- 移动OA:企业微信和传统OA厂商APP如何选择?
- 第4期 2017/09/04 逆光——后退——战狼航拍——港珠澳大桥
- 第二次作业—红芯事件
热门文章
- 【转】从EDA使用角度捋一遍芯片设计流程
- c语言的文字游戏,C语言之文字游戏
- mct接收_MCT/VOD/LSS/DOC通知接口的使用
- 泰山OFFICE技术讲座:字符宽度、中文标宽、字符间距
- MTO和Manytasking MATP MOOMFO 中G函数
- ei eo 功能类型_[转载]CMMI之功能点估算法:EI、EQ和EO
- 山东计算机专业好的专科大学,山东专科大学前十名有哪些?山东所有专科大学排名榜单...
- 在Manjaro、Arch下安装fcitx5、RIME、五笔
- python 优劣解距离法(TOPSIS)
- K8s安装遇见问题笔记