最清楚的01背包问题讲解

题目：

01背包问题描述：有编号分别为a,b,c,d,e的N=5件物品，它们的重量w分别是2,2,6,5,4，它们的价值v分别是6,3,5,4,6，每件物品数量只有一个，现在给你个承重为M=10的背包，如何让背包里装入的物品具有最大的价值总和sum_v？

在DP(dynamic programming，动态规划)问题中，01背包问题是比较基础和简单的了，但是网上很多人的讲解要么长长一大段，长篇公式理论，要么就是知识把状态转移方程列了出来，而没有说明为什么方程是这么写的，下面我力图将01背包问题中最简单最核心的概念和思路讲一下：

1. 此01背包问题本质上是穷举背包容量和可供选择的物品(意思是里面的物品可能会放进背包，可能不会放进背包)，取得最优解，只不过在穷举的过程中，会根据状态转移方程，只计算可能获得的最优解的部分，不去计算不是最优解的部分。具体来看，解题思路是把该问题分解为一个一个的小问题，一步步的通过小问题的最优解，最终得到大问题的最优解，跟我们人脑解题的思路是一样的。比如第一个小问题是“当我的背包承重M=1，只有编号为a的物品可供选择时，最优解是什么”，然后下一个小问题是建立在前一个小问题的基础上“当我的背包承重M=1，有编号为a,b的物品可供选择时，最优解是什么”，以此类推。

2. 为什么能列出状态转移方程？是因为每个状态的最优解，都是根据之前的状态的最优解获得的。具体到背包问题，有以下几点：

　　a) 当物品备选情况（物品备选情况指：可供选择的物品的集合）一致时，背包容量M越大，那么sum_v一定大于等于原来的值。

　　b) 背包容量M确定时，可供选择的物品N越多，那么sum_v一定大于等于原来的值。

　　c) 由a)和b)可得，sum_v的最大值就是当M和N取到最大值时的sum_v

　　c) 从思路上说，01背包问题有两个维度：背包容量M，和供选择物品数N。编程的本质是实现人类解决现实问题的思路。仔细想想，如果不借助计算机，你该如何解决这个问题？答案是，例如考虑M=1时，先考虑a能否放入背包，取得最大值，再考虑a和b能否放入背包（a和b都是备选，最终放入背包的可能是a，可能是b，也可能是ab），这时因此与之前只考虑a的情况相比，多了一个b，所以：

要先判断b能否单独放进背包：
- 如果不能，那么备选为a,b时最大值，等于备选只有a时的最大值（因为b是放不进背包的）。
- 　　如果能，即b能够放进去，还有两种可能（即将b放进背包，和不将b放进背包），对这两种可能性，要取最大值：
  - 　　最终将b放进去(注：此时物品a是否被放进背包是未知的，原因是：剩余的背包容量可能不足以放进物品a，即要在剩余可选物品里找出最优解。
  - 　　最终没有将b放进去（因为后面可能有比b更合适的物品放进去），此时最大值等于备选只有a时的最大值

　　用数学的方式描述上段话：sum_v[i][j]表示将前i件物品列为备选，背包容量为j时，能获得的最大价值；w[i]表示第i件物品的重量，v[i]表示第i件物品的价值

if 1 >=w[2]:sum_v[2][1] = max(sum_v[1][j-w[2]] + v[2], sum_v[1][1])
else:sum_v[2][1] = sum_v[1][1]

　　推广到任意情况，即得到我们的状态转移方程：

if j >=w[i]:sum_v[i][j] = max(sum_v[i-1][j-w[i]] + v[i], sum_v[i-1][j])
else:sum_v[i][j] = sum_v[i-1][j]

　　sum_v的最大值就是sum_v[i][j]的最后一个元素

3. 计算时进行简单的数据结构改造。因为当i=1时，即计算开始阶段，还要考虑到如果第1件物品放不进去的情况，此时没有物品在背包中，因此重量和价值都是0.因此需要在表示物品重量和价值的列表前加一个数据0。

另外，当没有物品在背包中时，价值为0.所以需要sum_v[i][j]初始值全部设为0.

下面是详细代码：

#!/usr/bin/env python3
# -*- coding:utf-8 -*-
import copyclass ZOPACK(object):def __init__(self,n,m,w,v):self.num = nself.capacity = mself.weight_list = [0,] + wself.value_list = [0,] + vself.Sum_Value_Metrix = self.__CreateMetrix__(self.num+1,self.capacity+1,0)def __CreateMetrix__(self,x,y,init_value):d2_list = []for i in range(x):d1_list = []for j in range(y):d1_list.append(init_value)d2_list.append(d1_list)return d2_listdef dp(self):sum_v = self.Sum_Value_Metrixnum = self.numcapacity = self.capacityw = self.weight_listv = self.value_listfor i in range(1,num+1):for j in range(1,capacity+1):if j >=w[i]:#print("i,j:%s,%s" % (i,j))sum_v[i][j] = max(sum_v[i-1][j-w[i]] + v[i], sum_v[i-1][j])else:sum_v[i][j] = sum_v[i-1][j]print("The max value we can get is: ", sum_v[-1][-1])print(sum_v)if __name__ == "__main__":num = 5capacity = 10weight_list = [2, 2, 6, 5, 4]value_list = [6, 3, 5, 4, 6]q = ZOPACK(num,capacity,weight_list,value_list)q.dp()

转载于:https://www.cnblogs.com/ArsenalfanInECNU/p/8945548.html

最清楚的01背包问题讲解相关推荐

动态规划之01背包问题讲解
给大家附上一个题目吧,便于理解 ctest有n个苹果,要将它放入容量为v的背包.给出第i个苹果的大小和价钱,求出能放入背包的苹果的总价钱最大值. 输入:每组测试数据第一行为2个正整数,分别代表苹果的个 ...
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] = M ...
题目1025：最大报销额（动态规划之01背包问题）
题目1025:最大报销额时间限制:1 秒内存限制:32 兆特殊判题:否提交:5270 解决:1272 题目描述: 现有一笔经费可以报销一定额度的发票.允许报销的发票类型包括买图书(A类).文具 ...
【动态规划】01背包问题（通俗易懂，超基础讲解）
问题描述有n个物品,它们有各自的体积和价值,现有给定容量的背包,如何让背包里装入的物品具有最大的价值总和? 为方便讲解和理解,下面讲述的例子均先用具体的数字代入,即:eg:number＝4,capa ...
动态规划专题 01背包问题详解【转】
对于动态规划,每个刚接触的人都需要一段时间来理解,特别是第一次接触的时候总是想不通为什么这种方法可行,这篇文章就是为了帮助大家理解动态规划,并通过讲解基本的01背包问题来引导读者如何去思考动态规划.本 ...
分支界限算法【0-1背包问题】按照优先队列式（LC）分支限界法求解0-1背包问题，并给出限界函数，并画出该实例的状态空间树。
目录回溯算法[0-1背包问题] 分支界限算法[0-1背包问题] 作业题(期末考试必考) 小结回溯算法[0-1背包问题] 分支界限算法[0-1背包问题] 解决思路:采用优先队列式分支限界 Ø ...
P01:01背包问题(转)
题目有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. 基本思路这是最基础的背包问题,特点是:每种物品仅有一件,可以选择放或不放. ...
动态规划——01背包问题看此一篇文章就够了
本文讲述经典算法--动态规划的常见问题 01背包一篇文章带你学会01背包问题,妈妈再也不担心我遇到01背包了!!! 问题描述有n个物品,它们有各自的体积和价值,现有给定容量m的背包,如何让背包 ...
0-1背包问题（多解）
0-1背包问题(多解) 问题有n个物品,它们有各自的体积和价值,现有给定容量c的背包,如何让背包里装入的物品具有最大的价值总和? 贪心(错解) 贪心策略有三种,分别为价值贪心(优先选取价值最大的), ...
【转】01背包问题动态规划详解
转载自 sunstar1989 最终编辑中华复生母动态规划是用空间换时间的一种方法的抽象.其关键是发现子问题和记录其结果.然后利用这些结果减轻运算量. 比如01背包问题. 因为背包最大容量M未知. ...

最清楚的01背包问题讲解

最清楚的01背包问题讲解相关推荐

最新文章

热门文章