01背包问题总结(一)
01背包问题总结
一 问题描述:
有N件物品和一个容量为V的背包。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。
所谓01背包,表示每一个物品只有一个,要么装入,要么不装入。
二 解决方案:
考虑使用dp问题 求解,定义一个递归式 opt[i][v] 表示前i个物品,在背包容量大小为v的情况下,最大的装载量。
opt[i][v] = max(opt[i-1][v] , opt[i-1][v-c[i]] + w[i])
解释如下:
opt[i-1][v] 表示第i件物品不装入背包中,而opt[i-1][v-c[i]] + w[i] 表示第i件物品装入背包中。
花费如下:
时间复杂度为o(V * T) ,空间复杂度为o(V * T) 。 时间复杂度已经无法优化,但是空间复杂度则可以进行优化。
但必须将V 递减的方式进行遍历,即V.......0 的方式进行。
三 初始化:
(1)若要求背包必须放满,则初始如下:
f[0] = 0 , f[1...V]表示-INF。表示当容积为0时,只接受一个容积为0的物品入包。
(2)若要求背包可以空下,则初始化如下:
f[0...V] = 0 ,表示任意容积的背包都有一个有效解即为0。
具体解释如下:
初始化的f数组事实上就是在没有任何物品可以放入背包时的合法状态。
如果要求背包恰好装满,那么此时只有容量为0的背包可能被价值为0的nothing“恰好装满”,
其它容量的背包均没有合法的解,属于未定义的状态,它们的值就都应该是-∞了。
如果背包并非必须被装满,那么任何容量的背包都有一个合法解“什么都不装”,
这个解的价值为0,所以初始时状态的值也就全部为0了。
四 代码如下:
01背包,使用了优化后的存储空间
建立数组
f[i][v] = max(f[i-1][v] , f[i-1][v-c[i]] + w[i])
将前i件物品,放入容量为v的背包中的最大值。
下面介绍一个优化,使用一维数组,来表示
(1) f[v]表示每一种类型的物品,在容量为v的情况下,最大值。
但是体积循环的时候,需要从v----1循环递减。
初始化问题:
(1)若要求背包中不允许有剩余空间,则可以将f[0]均初始化为0,其余的f[1..n]均初始化为-INF 。
表示只有当容积为0 的时候,允许放入质量为0的物品。
而当容积不为0的情况下,不允许放入质量为0的物品,并且把状态置为未知状态。
(2)若要求背包中允许有剩余空间 ,则可以将f[1n],均初始化为0。
这样,当放不下去的时候,可以空着。
*/
#include <iostream>
using namespace std ;
const int V = 1000 ; //总的体积
const int T = 5 ; //物品的种类
int f[V+1] ;
//#define EMPTY //可以不装满
int w[T] = {8 , 10 , 4 , 5 , 5}; //价值
int c[T] = {600 , 400 , 200 , 200 , 300}; //每一个的体积
const int INF = -66536 ;
int package()
{
#ifdef EMPTY
for(int i = 0 ; i <= V ;i++) //条件编译,表示背包可以不存储满
f[i] = 0 ;
#else
f[0] = 0 ;
for(int i = 1 ; i <= V ;i++)//条件编译,表示背包必须全部存储满
f[i] = INF ;
#endif
for(int i = 0 ; i < T ; i++)
{
for(int v = V ; v >= c[i] ;v--) //必须全部从V递减到0
{
f[v] = max(f[v-c[i]] + w[i] , f[v]) ; //此f[v]实质上是表示的是i-1次之前的值。
}
}
return f[V] ;
}
int main()
{
int temp = package() ;
cout<<temp<<endl ;
system("pause") ;
return 0 ;
}