全部博文(471)
分类: C/C++
2012-06-01 23:42:05
转自:
首先我们把三种情况放在一起来看:
01背包(ZeroOnePack): 有N件物品和一个容量为V的背包, 每种物品均只有一件。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。
完全背包(CompletePack): 有N种物品和一个容量为V的背包,每种物品都有无限件可用。第i种物品的费用是c[i],价值是w[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量,且价值总和最大。
多重背包(MultiplePack): 有N种物品和一个容量为V的背包,第i种物品最多有n[i]件可用。每件费用是c[i],价值是w[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量,且价值总和最大。
比较三个题目,会发现不同点在于每种背包的数量,01背包是每种只有一件,完全背包是每种无限件,而多重背包是每种有限件。
先来分析01背包:
01背包(ZeroOnePack): 有N件物品和一个容量为V的背包,每种物品均只有一件。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。
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。
用子问题定义状态:即f[i][v]表示前i件物品恰放入一个容量为v的背包可以获得的最大价值。则其状态转移方程便是:
f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]+w[i]}
把这个过程理解下:
在前i件物品放进容量v的背包时,它有两种情况
情况一: 第i件不放进去,这时所得价值为:f[i-1][v]
情况二: 第i件放进去,这时所得价值为:f[i-1][v-c[i]]+w[i]
(第二种是什么意思?就是如果第i件放进去,那么在容量v-c[i]里就要放进前i-1件物品)
最后比较第一种与第二种所得价值的大小,哪种相对大,f[i][v]的值就是哪种。 (这里是重点,理解!)
这里是用二维数组存储的,可以把空间优化,用一维数组存储。
用f[0..v]表示,f[v]表示把前i件物品放入容量为v的背包里得到的价值。把i从1~n(n件)循环后,最后f[v]表示所求最大值。
这里f[v]就相当于二维数组的f[i][v]。那么,如何得到f[i-1][v]和f[i-1][v-c[i]]+w[i]?(重点!思考)
首先要知道,我们是通过i从1到n的循环来依次表示前i件物品存入的状态。
即:for i=1..N
现在思考如何能在是f[v]表示当前状态是容量为v的背包所得价值,而又使f[v]和f[v-c[i]]+w[i]标签前一状态的价值?
逆序这就是关键!
分析上面的代码:当内循环是逆序时,就可以保证后一个f[v]和f[v-c[i]]+w[i]是前一状态的!这里给大家一组测试数据: 测试数据: 10,3 3,4 4,5 5,6
(两层循环,对于每个物品,从最大容量开始,一直把从f(10),f(9),...,把每个可容的最大价值标记上f()=record[j])
当第二个物品要加进来,f[v]=Max {f[v-c[i]]+w[i],f[v]} 里面的f[v]是指还没更新的,加进去就是更新了,所以比较一下要不要更新,这样f()就记录了每个f[v]对应的最大值record[v] v=1,2,3,4,5,6,7,8,9,10,(内层循环向左)如:i=2时,f(10,i=1)=4, f(10-4)+5=f(6,i=1)+5=9,所以最较大值9
然后外层循环物品每个逐步加进来(向下)
图2: 01背包图(1)
这个图表画得很好,借此来分析:
C[v]从物品i=1开始,循环到物品3,期间,每次逆序得到容量v在前i件物品时可以得到的最大值。
(请在草稿纸上自己画一画)
这里以一道题目来具体看看:
题目:
题目大意:从给定各种价值和体积的物品中选取n件,装进容积为v背包。 问最多背
包中能装多少价值的东西。
5 10(n<=1000 v<=1000)
1 2 3 4 5 (每一件对应的 价值 )value[1002]
5 4 3 2 1 (每一件的重量)weight[1002]
问最多背包中能装多少价值的东西。
14
点击(此处)折叠或打开