動態規劃-0-1揹包問題
給定n個物品和一個揹包。物品i的重量為wi,價值為vi,揹包容量為c。問如何選擇裝入揹包中的物品,使得裝入揹包的物品的價值最大?在裝入揹包時,每種物品i只有兩種選擇,裝入或者不裝入,既不能裝入多次,也不能只裝入一部分。
因此,此問題稱為0-1揹包問題.0-1揹包問題是一個特殊的整數規劃問題。
輸入:物品的數目n,揹包的容量c。各個物品的重量wi,各個物品的價值vi。
輸出:裝入揹包的最大價值。各個物品是否裝入揹包,裝入輸出1,不裝入輸出0.
執行結果:
0-1揹包問題的形式描述:
•問題的形式描述是:給定c>0,wi>0,vi>0,1≤i≤n,求n元0-1向量(x1, x2, …
揹包問題的最優子結構性質:
•設(y1, y2, …, yn)是所給0-1揹包問題的一個最優解,則(y2, …, yn)是下面對應問題的最優解:
n否則,設(z2, …, zn)是最優解,則(y1, z2, …, zn)是原問題的最優解,而(y1, y2, …, yn)不是最優解。矛盾.、
•設所給0-1揹包問題的子問題
其最優解為m(i, j),即揹包容量為j,可選擇物品為i, i+1, …, n時0-1揹包問題的最優解,則
0-1揹包問題的遞迴演算法:
•用二維陣列m[i][j], 0≤j≤c, 儲存m(i, j)的值。
•求解
•而m[1][c]中的值就是該揹包問題的解。
在二維陣列m中最先填入的應該是哪些呢?
二維陣列m中最先填入只能選擇物品n的最優解m(n, j):
若0≤j<wn,m[n][j]=0;
若 j≥wn,m[n][j]=vn。
n然後從物品n–1到物品1逐個填入它們的最優解m(i, j):
n若0≤j<wi,m[i][j]= m[i+1][j];
n若j≥wi, m[i][j]=max{m[i+1][j], m[i+1][j–wi]+vi}
template <class Type> void Knapsack(Type *v, int *w, int c, int n, Type m[][maxn]) { int i, j, jMax; jMax = min(w[n]-1, c); for(j = 0; j <= jMax; j++) m[n][j] = 0; for(j = w[n]; j <= c; j++) m[n][j] = v[n]; for(i = n-1; i > 1; i--) { jMax = min(w[i]-1, c); for(j = 0; j <= jMax; j++) m[i][j] = m[i+1][j]; for(j = w[i]; j <= c; j++) m[i][j] = max(m[i+1][j], m[i+1][j-w[i]] + v[i]); } m[1][c] = m[2][c]; if(c >= w[1]) m[1][c] = max(m[2][c], m[2][c-w[1]] + v[1]); }
演算法Traceback計算相應的最優解:
若m[1][c]=m[2][c],則x1=0,否則x1=1.
當x1=0時,由m[2][c]繼續構造最優解。當x1=1時,由m[2][c-w1]繼續構造最優解。依次類推,可構造出相應的最優解(x1,x2,.....xn)
template <class Type>
void Traceback(Type m[][maxn], int *w, int c, int n, int *x)
{
int i;
for(i = 1; i < n; i++)
{
if(m[i][c] == m[i+1][c])
x[i] = 0;
else
{
x[i] = 1;
c -= w[i];
}
}
x[n] = (m[n][c])? 1:0;
}
0-1揹包問題演算法的複雜性:
•從演算法中可以看出,對每個物品i要填入m[i][1], m[i][2], …, m[i][c],n個物品共要填寫nc個,因此整個演算法的時間複雜性是O(nc)。
•此演算法在揹包容量c很大時所需的計算時間量很大。如c=2n,則演算法的複雜性為O(n2n)。
•演算法的不足:要求物品的重量wi是整數,而不能為實數。