您好,欢迎访问三七文档
01背包问题Postedon2009-06-1115:55YDN阅读(673)评论(4)编辑收藏所属分类:动态规划问题描述:有n件物品x1,x2,…,xn,每件物品有一个价值和一个重量,分别记为:v1,v2,…vnw1,w2,…wn其中所有的wi均为整数。现有一个背包,其最大载重量为m,要求从这n件物品中任取若干件(这些物品每样只有一件,要么被装入要么被留下)。问背包中装入哪些物品可使得所装物品的价值和最大?(我们只需要求出最大价值,不需要求出具体拿的是哪些物品)例如,m=23,n=5,vi:1924334550wi:5681112最大价值为:95分析:如果想用贪心,先求出平均价值,然后从高到低的方法来取,如果有一个背包的容量为10,共有3个物品,体积分别是3、3、5,价值分别是6、6、9,那么你的方法取到的是前两个物品,总价值是12,但明显最大值是后两个物品组成的15。因此贪心的方法不能得到正确结果。换一个更简单的方式来思考:每个物品只有2种选择,要么放入,要么不放入。(1)放入:问题转换为在背包载重为m-wi的情况下,在其它n-1件物品中挑选,求得价值和最大。等把这个子问题求出后,再加上vi的价值就是整个问题的最优解了。(2)没放入:那么就当xi根本不存在,直接解物品数量为n-1,背包载重为m的子问题。子问题的最优解就是问题的最优解。定义函数f(i,j)为在1~i件物品中选若干件装入限重为j的背包中的最大价值和,那么根据上面关于第i件物品是否装入了背包的情况分析,我们得出关系式:(1)当第I件物品要装入背包时,f(i,j):=(i-1件物品,限重为j-w[i]的最优解)+v[i],即:f(i,j):=f(i-1,j-w[i])+v[i]当然,第i件物品要装入是有条件限制的:第i件物品重量小于等于背包限重,即w[i]=j(2)当第i件物品不装入背包时,f(i,j):=i-1件物品,限重为m的最优解,即:f(i,j):=f(i-1,j)求得装入或者不装入第i件物品的限重为J的背包的最大价值,只需要比较这两种情况下谁的价值更大,更大者为当前问题的最优解。f(i,j)=max{f(i-1,j-w[i])+v[i],f(i-1,j)}该方程递归结束的边界条件是:当j=0时,f(i,0)=0。在按自底向上的动态规划方式求解问题时,其实主要就是做一件事:按问题规模从小到大地求解问题,把每阶段求得的问题的最优解保存在表格(数组)中,以便在下一阶段求解更大的问题时,可以直接查表引用子问题的最优解。(类似于递推)阶段的分析:将n件物品放入背包,故可以把阶段划分为n个。把在前I件物品中选取物品放入背包作为第I个阶段。状态的分析:在第i个阶段有多少个状态呢?因为包的容量为m,故在每个i阶段都有m个状态:f(i,1)、f(i,2)、f(i,3)……f(i,m-1)、f(i,m)。而这m个问题的求解基础是第I-1个阶段的m个子问题。这些子问题的最优解已经先于此时求得,保存在f[I-1,1],f[I-1,2],…,f[I-1,m]中,现在只需要直接引用它们的值就可以了。这就是动态规划自底向上的体现。之所以能求得之前的状态,是因为有一个边界:f(i,0)=0。决策的分析:只有两个,在前I件物品中,限重为J的条件下,装入第I件物品还是不装入第I件物品。比较这两种情况的价值和,谁大谁就是最优解。1//01背包问题2programbeibao01;3var4v,w:array[1..100]ofinteger;//物品的价值和重量5f:array[0..1000,0..1000]ofinteger;//取得的价值6m,n,i,j:integer;//m为包的容量,n为物品数78procedureinit;9begin10readln(m,n);11fori:=1tondo12read(w[i],v[i]);13end;1415procedurework;16begin17fori:=1tondo//阶段18forj:=1tomdo//状态19if(j=w[i])then//如果包的容量还能够放下一个包20if(f[i-1,j-w[i]]+v[i])f[i-1,j]then//比较不放包和放包两中策略中价值大的一种21f[i,j]:=f[i-1,j-w[i]]+v[i]//能放时候的价值22else23f[i,j]:=f[i-1,j];//不能放时候的价值24end;2526begin27init;28work;29writeln(f[n,m]);30readln;31end.
本文标题:01背包问题
链接地址:https://www.777doc.com/doc-3358754 .html