【转】背包问题——“01背包”详解及实现(包含背包中具体物品的求解)

01背包是在M件物品取出若干件放在空间为W的背包里,每件物品的体积为C1,C2,…,Cn,与之相对应的价值为W1,W2,…,Wn.求解将那些物品装入背包可使总价值最大。

动态规划(DP):

1) 子问题定义:F[i][j]表示前i件物品中选取若干件物品放入剩余空间为j的背包中所能得到的最大价值。

2) 根据第i件物品放或不放进行决策

                        (1-1)

其中F[i-1][j]表示前i-1件物品中选取若干件物品放入剩余空间为j的背包中所能得到的最大价值;

而F[i-1][j-C[i]]+W[i]表示前i-1件物品中选取若干件物品放入剩余空间为j-C[i]的背包中所能取得的最大价值加上第i件物品的价值。

根据第i件物品放或是不放确定遍历到第i件物品时的状态F[i][j]。

设物品件数为N,背包容量为V,第i件物品体积为C[i],第i件物品价值为W[i]。

由此写出伪代码如下:

[cpp] view plaincopy

  1. F[0][] ← {0}
  2. F[][0] ← {0}
  3. for i←1 to N
  4. do for k←1 to V
  5. F[i][k] ← F[i-1][k]
  6. if(k >= C[i])
  7. then F[i][k] ← max(F[i][k],F[i-1][k-C[i]]+W[i])
  8. return F[N][V]

以上伪代码数组均为基于1索引,及第一件物品索引为1。时间及空间复杂度均为O(VN)

举例:表1-1为一个背包问题数据表,设背包容量为10根据上述解决方法可得到对应的F[i][j]如表1-2所示,最大价值即为F[6][10].

表1-1背包问题数据表

物品号i 1 2 3 4 5 6
体积C 2 3 1 4 6 5
价值W 5 6 5 1 19 7

表1-2前i件物品选若干件放入空间为j的背包中得到的最大价值表

  0 1 2 3 4 5 6 7 8 9 10
0 0 0 0 0 0 0 0 0 0 0 0
1 0 0 5 5 5 5 5 5 5 5 5
2 0 0 5 6 6 11 11 11 11 11 11
3 0 5 5 10 11 11 16 16 16 16 16
4 0 5 5 10 11 11 16 16 16 16 17
5 0 5 5 10 11 11 19 24 24 29 30
6 0 5 5 10 11 11 19 24 24 29 30

    红线是路径图(取物品的,比如背包10取了2.3.5物品),比较f[i][j]?=f[i-1][j-c[i]]+w[i],如果相等就说明加入了这个物品。从N,V开始向0,0找,每次i都要减一。

很多文章讲背包问题时只是把最大价值求出来了,并没有把所选的是哪些物品找出来。本人在学习背包问题之前遇到过很多的类似问题,当时也是只求得了最大价值或最大和,对具体哪些物品或路径等细节也束手无策。再次和大家一起分享细节的求法。

根据算法求出的最大价值表本身其实含有位置信息,从F[N][V]逆着走向F[0][0],设i=N,j=V,如果F[i][j]==F[i-1][j- C[i]]+W[i]说明包里面有第i件物品,同时j -= C[i],不管F[i][j]与F[i-1][j-C[i]]+W[i]相不相等i都要减1,因为01背包的第i件物品要么放要么不放,不管放还是不放其 已经遍历过了,需要继续往下遍历。

打印背包内物品的伪代码如下:

[cpp] view plaincopy

  1. i←N
  2. j←V
  3. while(i>0 && j>0)
  4. do if(F[i][j]=F[i-1][j-C[i]]+W[i])
  5. then Print W[i]
  6. j←j-C[i]
  7. i←i-1

当然也可以定义一个二维数组Path[N][V]来存放背包内物品信息,开始时Path[N][V]初始化为0,当 F[i][j]==F[i-1][j-C[i]]+W[i]时Path[i][j]置1。最后通过从Path[N+1][V+1]逆着走向Path[0] [0]来获取背包内物品。其中Path[0][]与Path[][0]为边界。

加入路径信息的伪代码如下:

[cpp] view plaincopy

  1. F[0][] ← {0}
  2. F[][0] ← {0}
  3. Path[][] ← 0
  4. for i←1 to N
  5. do for k←1 to V
  6. F[i][k] ← F[i-1][k]
  7. if(k >= C[i] && F[i][k] < F[i-1][k-C[i]]+W[i])
  8. then F[i][k] ← F[i-1][k-C[i]]+W[i]
  9. Path[i][k] ← 1
  10. return F[N][V] and Path[][]

打印背包内物品的伪代码如下:

[cpp] view plaincopy

  1. i←N
  2. j←V
  3. while(i>0 && j>0)
  4. do if(Path[i][j] = 1)
  5. then Print W[i]
  6. j←j-C[i]
  7. i←i-1

在时间及空间复杂度均为O(NV)的情况下,利用Path[][]的方法明显比直接通过F[i][j]==F[i-1][j-C[i]]+W[i]来打印 物品耗费空间,Path[][]需要额外的空间O(NV)但总空间复杂度不变仍为O(NV)。但下面要讲到的O(V)的空间复杂度的方法却不能利用关系式 F [j]==F [j-C[i]]+W[i]而只能利用Path[][]进行标记.

接下来考虑如何压缩空间,以降低空间复杂度。

时间复杂度为O(VN),空间复杂度将为O(V)

观察伪代码可也发现,F[i][j]只与F[i-1][j]和F[i-1][j-C[i]]有关,即只和i-1时刻状态有关,所以我们只需要用一维数组F[]来保存i-1时的状态F[]。假设i-1时刻的F[]为{a0,a1,a2,…,av},难么i时刻的F[]中第k个应该为max(ak,ak-C[i]+W[i]) 即max(F[k],F[k-C[i]]+W[i]),这就需要我们遍历V时逆序遍历,这样才能保证求i时刻F[k]时F[k-C[i]]是i-1时刻的 值。如果正序遍历则当求F[k]时其前面的F[0],F[1],…,F[K-1]都已经改变过,里面存的都不是i-1时刻的值,这样求F[k]时利用 F[K-C[i]]必定是错的值。最后F[V]即为最大价值。

求F[j]的状态方程如下:

               (1-2)

伪代码如下:

[cpp] view plaincopy

  1. F[] ← {0}
  2. for i ← 1 to N
  3. do for k ← V to C[i]
  4. F[k] ← max(F[k],F[k-C[i]]+W[i])
  5. return F[V]

同样,怎么求路径?

利用前面讲到的Path[][]标记,需空间消耗O(NV)。这里不能用F [j]==F [j-C[i]]+W[i]来判断是因为一维数组并不能提供足够的信息来寻找二维路径。

加入路径信息的伪代码如下:

[cpp] view plaincopy

  1. F[] ← {0}
  2. Path[][]←0
  3. for i←1 to N
  4. do for k←V to C[i]
  5. if(F[k] < F[k-C[i]]+W[i])
  6. then F[k] ← F[k-C[i]]+W[i]
  7. Path[i][k] ← 1
  8. return F[V] and Path[][]

打印路径的伪代码和前面未压缩空间复杂度时的伪代码一样,这里不再重写。

下面针对前面提到的表1-1提供两种方法的测试代码:

[cpp] view plaincopy

  1. #include <iostream>
  2. #include <cstring>
  3. #include "CreateArray.h"    //该头文件用于动态创建及销毁二维数组,读者自己实现
  4. using namespace std;

//时间复杂度O(VN),空间复杂度为O(VN)

[cpp] view plaincopy

  1. int Package01(int Weight[], int Value[], int nLen, int nCapacity)
  2. {
  3. int** Table = NULL;
  4. int** Path = NULL;
  5. CreateTwoDimArray(Table,nLen+1,nCapacity+1);    //创建二维数组
  6. CreateTwoDimArray(Path,nLen+1,nCapacity+1); //创建二维数组
  7. for(int i = 1; i <= nLen; i++)
  8. {
  9. for(int j = 1; j <= nCapacity; j++)
  10. {
  11. Table[i][j] = Table[i-1][j];
  12. Path[i][j] = 0;
  13. if(j >= Weight[i-1] && Table[i][j] < Table[i-1][j-Weight[i-1]]+Value[i-1])
  14. {
  15. Table[i][j] = Table[i-1][j-Weight[i-1]]+Value[i-1];
  16. Path[i][j] = 1;
  17. }
  18. }
  19. }
  20. int i = nLen, j = nCapacity;
  21. while(i > 0 && j > 0)
  22. {
  23. if(Path[i][j] == 1)
  24. {
  25. cout << Weight[i-1] << " ";
  26. j -= Weight[i-1];
  27. }
  28. i--;
  29. }
  30. cout << endl;
  31. int nRet = Table[nLen][nCapacity];
  32. DestroyTwoDimArray(Table,nLen+1);   //销毁二维数组
  33. DestroyTwoDimArray(Path,nLen+1);    //销毁二维数组
  34. return nRet;
  35. }

//时间复杂度O(VN),不考虑路径空间复杂度为O(V),考虑路径空间复杂度为O(VN)

[cpp] view plaincopy

  1. int Package01_Compress(int Weight[], int Value[], int nLen, int nCapacity)
  2. {
  3. int * Table = new int [nCapacity+1];
  4. memset(Table,0,(nCapacity+1)*sizeof(int));
  5. int** Path = 0;
  6. CreateTwoDimArray(Path,nLen+1,nCapacity+1); //创建二维数组
  7. for(int i = 0; i < nLen; i++)
  8. {
  9. for(int j = nCapacity; j >= Weight[i]; j--)
  10. {
  11. Path[i+1][j] = 0;
  12. if(Table[j] < Table[j-Weight[i]]+Value[i])
  13. {
  14. Table[j] = Table[j-Weight[i]]+Value[i];
  15. Path[i+1][j] = 1;
  16. }
  17. }
  18. }
  19. int i = nLen, j = nCapacity;
  20. while(i > 0 && j > 0)
  21. {
  22. if(Path[i][j] == 1)
  23. {
  24. cout << Weight[i-1] << " ";
  25. j -= Weight[i-1];
  26. }
  27. i--;
  28. }
  29. cout << endl;
  30. int nRet = Table[nCapacity];
  31. DestroyTwoDimArray(Path,nLen+1);    //销毁二维数组
  32. delete [] Table;
  33. return nRet;
  34. }

测试代码

[cpp] view plaincopy

  1. int main()
  2. {
  3. int Weight[] = {2,3,1,4,6,5};
  4. int Value[] =  {5,6,5,1,19,7};
  5. int nCapacity = 10;
  6. cout << Package01(Weight,Value,sizeof(Weight)/sizeof(int),nCapacity) << endl;
  7. cout << Package01_Compress(Weight,Value,sizeof(Weight)/sizeof(int),nCapacity) << endl;
  8. return 0;
  9. }

本文部分内容参考“背包九讲”

转自http://blog.csdn.net/wumuzi520/article/details/7014559 感谢

时间: 2024-10-20 01:15:57

【转】背包问题——“01背包”详解及实现(包含背包中具体物品的求解)的相关文章

.net的session详解 存储模式 存到数据库中 使用范围与大小限制 生命周期

Session又称为会话状态,是Web系统中最常用的状态,用于维护和当前浏览器实例相关的一些信息.举个例子来说,我们可以把已登录用户的用户名放在Session中,这样就能通过判断Session中的某个Key来判断用户是否登录,如果登录的话用户名又是多少. 我们知 道,Session对于每一个客户端(或者说浏览器实例)是"人手一份",用户首次与Web服务器建 立连接的时候,服务器会给用户分发一个 SessionID作为标识.SessionID是一个由24个字符组成的随机字符串.用户每次提

详解Linux交互式shell脚本中创建对话框实例教程_linux服务器

本教程我们通过实现来讲讲Linux交互式shell脚本中创建各种各样对话框,对话框在Linux中可以友好的提示操作者,感兴趣的朋友可以参考学习一下. 当你在终端环境下安装新的软件时,你可以经常看到信息对话框弹出,需要你的输入.对话框的类型有密码箱,检查表,菜单,等等.他们可以引导你以一种直观的方式输入必要的信息,使用这样的用户友好的对话框的好处是显而易见的.如下图所示: 当你写一个交互式shell脚本,你可以使用这样的对话框来接受用户的输入.whiptail可以在shell脚本中创建基于终端的对

【转】 背包问题——“完全背包”详解及实现(包含背包具体物品的求解)

完全背包是在N种物品中选取若干件(同一种物品可多次选取)放在空间为V的背包里,每种物品的体积为C1,C2,…,Cn,与之相对应的价值为W1,W2,…,Wn.求解怎么装物品可使背包里物品总价值最大. 动态规划(DP): 1) 子问题定义:F[i][j]表示前i种物品中选取若干件物品放入剩余空间为j的背包中所能得到的最大价值. 2) 根据第i种物品放多少件进行决策      (备注:应该还有一项f[i-1][j])        (2-1) 其中F[i-1][j-K*C[i]]+K*W[i]表示前i

动态规划之01背包详解【解题报告】

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

动态规划01背包问题(例子详解)

附上原文地址:http://www.cnblogs.com/sdjl/articles/1274312.html ----第一节----初识动态规划-------- 经典的01背包问题是这样的: 有一个包和n个物品,包的容量为m,每个物品都有各自的体积和价值,问当从这n个物品中选择多个物品放在包里而物品体积总数不超过包的容量m时,能够得到的最大价值是多少?[对于每个物品不可以取多次,最多只能取一次,之所以叫做01背包,0表示不取,1表示取] 为了用一种生动又更形象的方式来讲解此题,我把此题用另一

iOS Core Animation详解(四)AutoLayout中的动画

原创blog,转载请注明出处 blog.csdn.net/hello_hwc 欢迎关注我的iOS SDK详解专栏 http://blog.csdn.net/column/details/huangwenchen-ios-sdk.html 前言:AutoLayout定义了View的位置,也就是说,在Auto Layout的工程里,如果不修改约束本身,在视图重新绘制的时候,还会回到最开始的位置.AutoLayout中的动画与视图的位置和大小有关. 先看看效果 实现过程 在Storyboard上拖拽一

【Git使用详解】Egit使用过程中遇到的问题及解决办法

1.   Git错误non-fast-forward后的冲突解决 问题(Non-fast-forward)的出现原因在于:git仓库中已经有一部分代码,所以它不允许你直接把你的代码覆盖上去.于是你有2个选择方式: 1.强推,即利用强覆盖方式用你本地的代码替代git仓库内的内容 git push –f 如果你用的是Egit则可以在推送界面选择"Force Update All Specs"即可,如下图: 2.先把git的东西fetch到你本地然后merge后再push $ git fet

Windows Nano Server安装配置详解05:在虚拟机中部署NanoServer

1.将 NanoServerImageGenerator 文件夹从 Windows Server 2016 ISO 中 \NanoServer 文件夹复制到你硬盘上的文件夹. 拷贝到C盘根目录. 2.以管理员身份启动 Windows PowerShell,将目录更改为 NanoServerImageGenerator 文件夹所在的文件夹,然后导入模块,其方法为 Import-Module .\NanoServerImageGenerator -Verbose 3.通过运行以下命令(将提示你输入新

Android 网络框架之Retrofit2使用详解及从源码中解析原理

就目前来说Retrofit2使用的已相当的广泛,那么我们先来了解下两个问题: 1 . 什么是Retrofit? Retrofit是针对于Android/Java的.基于okHttp的.一种轻量级且安全的.并使用注解方式的网络请求框架. 2 . 我们为什么要使用Retrofit,它有哪些优势? 首先,Retrofit使用注解方式,大大简化了我们的URL拼写形式,而且注解含义一目了然,简单易懂: 其次,Retrofit使用简单,结构层次分明,每一步都能清晰的表达出之所以要使用的寓意: 再者,Retr

JavaScript正则表达式详解(二)JavaScript中正则表达式函数详解

二.JavaScript中正则表达式函数详解(exec, test, match, replace, search, split) 1.使用正则表达式的方法去匹配查找字符串 1.1. exec方法详解 exec方法的返回值 exec方法返回的其实并不是匹配结果字符串,而是一个对象,简单地修改一下execReg函数,来做一个实验就可以印证这一点: function execReg(reg, str) { var result = reg.exec(str); alert(typeof result