[转载]01背包问题（动态规划算法）

Myth丶恋晨 2021-11-09 07:32 320阅读 0赞

0-1 背包问题：给定 n 种物品和一个容量为 C 的背包，物品 i 的重量是 wi，其价值为 vi 。

问：应该如何选择装入背包的物品，使得装入背包中的物品的总价值最大？

分析一波，面对每个物品，我们只有选择拿取或者不拿两种选择，不能选择装入某物品的一部分，也不能装入同一物品多次。

解决办法：声明一个 大小为 m\[n\]\[c\] 的二维数组，**m\[ i \]\[ j \] 表示 在面对第 i 件物品，且背包容量为 j 时所能获得的最大价值** ，那么我们可以很容易分析得出 m\[i\]\[j\] 的计算方法，

（1）. j < w\[i\] 的情况，这时候背包容量不足以放下第 i 件物品，只能选择不拿 m\[ i \]\[ j \] = m\[ i-1 \]\[ j \]

（2）. j>=w\[i\] 的情况，这时背包容量可以放下第 i 件物品，我们就要考虑拿这件物品是否能获取更大的价值。

如果拿取，m\[ i \]\[ j \]=m\[ i-1 \]\[ j-w\[ i \] \] + v\[ i \]。 这里的m\[ i-1 \]\[ j-w\[ i \] \]指的就是考虑了i-1件物品，背包容量为j-w\[i\]时的最大价值，也是相当于为第i件物品腾出了w\[i\]的空间。

如果不拿，m\[ i \]\[ j \] = m\[ i-1 \]\[ j \] , 同（1）

究竟是拿还是不拿，自然是比较这两种情况那种价值最大。

由此可以得到状态转移方程：

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

例：0-1背包问题。在使用动态规划算法求解0-1背包问题时，使用二维数组m\[i\]\[j\]存储背包剩余容量为j，可选物品为i、i+1、……、n时0-1背包问题的最优值。绘制  
价值数组v = \{8, 10, 6, 3, 7, 2\}，  
重量数组w = \{4, 6, 2, 2, 5, 1\}，  
背包容量C = 12时对应的m\[i\]\[j\]数组。  
![1542026-20190801150752910-83963702.png][]

(第一行和第一列为序号，其数值为0)  
如m\[2\]\[6\],在面对第二件物品，背包容量为6时我们可以选择不拿，那么获得价值仅为第一件物品的价值8，如果拿，就要把第一件物品拿出来，放第二件物品，价值10，那我们当然是选择拿。m\[2\]\[6\]=m\[1\]\[0\]+10=0+10=10;依次类推，得到m\[6\]\[12\]就是考虑所有物品，背包容量为C时的最大价值。

#include <iostream>
    #include <cstring>
    using namespace std;
    const int N=15;
    int main()
    {
        int v[N]={0,8,10,6,3,7,2};
        int w[N]={0,4,6,2,2,5,1};
        int m[N][N];
        int n=6,c=12;
        memset(m,0,sizeof(m));
        for(int i=1;i<=n;i++)
        {
            for(int j=1;j<=c;j++)
            {
                if(j>=w[i])
                    m[i][j]=max(m[i-1][j],m[i-1][j-w[i]]+v[i]);
                else
                    m[i][j]=m[i-1][j];
            }
        }
     
        for(int i=1;i<=n;i++)
        {
            for(int j=1;j<=c;j++)
            {
                cout<<m[i][j]<<' ';
            }
            cout<<endl;
        }
     
        return 0;
    }

到这一步，可以确定的是可能获得的最大价值，但是我们并不清楚具体选择哪几样物品能获得最大价值。

另起一个 x\[ \] 数组，x\[i\]=0表示不拿，x\[i\]=1表示拿。

m\[n\]\[c\]为最优值，如果m\[n\]\[c\]=m\[n-1\]\[c\] ,说明有没有第n件物品都一样，则x\[n\]=0 ; 否则 x\[n\]=1。当x\[n\]=0时，由x\[n-1\]\[c\]继续构造最优解；当x\[n\]=1时，则由x\[n-1\]\[c-w\[i\]\]继续构造最优解。以此类推，可构造出所有的最优解。（这段全抄算法书，实在不知道咋解释啊。。）

void traceback()
    {
        for (int i = n; i > 1; i--)
        {
            if (m[i][c] == m[i - 1][c])
                x[i] = 0;
            else
            {
                x[i] = 1;
                c -= w[i];
            }
        }
        x[1] = (m[1][c] > 0) ? 1 : 0;
    }

例：

某工厂预计明年有A、B、C、D四个新建项目，每个项目的投资额Wk及其投资后的收益Vk如下表所示，投资总额为30万元，如何选择项目才能使总收益最大?  
![1542026-20190801151635778-1740698101.png][]

结合前面两段代码

#include <iostream>
    #include <cstring>
    using namespace std;
     
    const int N=150;
     
    int v[N]={0,12,8,9,5};
    int w[N]={0,15,10,12,8};
    int x[N];
    int m[N][N];
    int c=30;
    int n=4;
    void traceback()
    {
        for(int i=n;i>1;i--)
        {
            if(m[i][c]==m[i-1][c])
                x[i]=0;
            else
            {
                x[i]=1;
                c-=w[i];
            }
        }
        x[1]=(m[1][c]>0)?1:0;
    }
     
    int main()
    {
     
     
        memset(m,0,sizeof(m));
        for(int i=1;i<=n;i++)
        {
            for(int j=1;j<=c;j++)
            {
                if(j>=w[i])
                    m[i][j]=max(m[i-1][j],m[i-1][j-w[i]]+v[i]);
     
                else
                    m[i][j]=m[i-1][j];
            }
        }/*
        for(int i=1;i<=6;i++)
        {
            for(int j=1;j<=c;j++)
            {
                cout<<m[i][j]<<' ';
            }
            cout<<endl;
        }
    */
        traceback();
        for(int i=1;i<=n;i++)
            cout<<x[i];
        return 0;
    }

输出x\[i\]数组：0111，输出m\[4\]\[30\]：22。

得出结论：选择BCD三个项目总收益最大，为22万元。

不过这种算法只能得到一种最优解，并不能得出所有的最优解。

本文转载自:[https://blog.csdn.net/xp731574722/article/details/70766804][https_blog.csdn.net_xp731574722_article_details_70766804]

转载于:https://www.cnblogs.com/YY666/p/11282640.html

[1542026-20190801150752910-83963702.png]: /images/20211109/394ccf7e119047aaa801f043e0788018.png
[1542026-20190801151635778-1740698101.png]: /images/20211109/4ef30ce694fc4981af8eb1c9d0b64dae.png
[https_blog.csdn.net_xp731574722_article_details_70766804]: https://blog.csdn.net/xp731574722/article/details/70766804