0-1背包动态规划解决问题
一、问题描述：
有n个物品，它们有各自的重量和价值，现有给定容量的背包，如何让背包里装入的物品具有最大的价值总和？ 二、总体思路：
根据动态规划解题步骤（问题抽象化、建立模型、寻找约束条件、判断是否满足最优性原理、找大问题与小问题的递推关系式、填表、寻找解组成）找出01背包问题的最优解以及解组成，然后编写代码实现。 三、动态规划的原理及过程： number＝4，capacity＝7 i w(重量) v(价值) 1 3 9 2 5 10 3 2 7 4 1 4 原理：
动态规划与分治法类似，都是把大问题拆分成小问题，通过寻找大问题与小问题的递推关系，解决一个个小问题，最终达到解决原问题的效果。但不同的是，分治法在子问题和子子问题等上被重复计算了很多次，而动态规划则具有记忆性，通过填写表把所有已经解决的子问题答案纪录下来，在新问题里需要用到的子问题可以直接提取，避免了重复计算，从而节约了时间，所以在问题满足最优性原理之后，用动态规划解决问题的核心就在于填表，表填写完毕，最优解也就找到。
过程：
a) 把背包问题抽象化（X1，X2，…，Xn，其中 Xi 取0或1，表示第i个物品选或不选），Vi表示第i个物品的价值，Wi表示第i个物品的体积（重量）； b) 建立模型，即求max(V1X1+V2X2+…+VnXn)； c) 约束条件，W1X1+W2X2+…+WnXn d) 定义V(i,j)：当前背包容量 j，前i个物品最佳组合对应的价值； e) 最优性原理是动态规划的基础，最优性原理是指“多阶段决策过程的最优决策序列具有这样的性质：不论初始状态和初始决策如何，对于前面决策所造成的某一状态而言，其后各阶段的决策序列必须构成最优策略”。判断该问题是否满足最优性原理，采用反证法证明： 假设(X1，X2，…，Xn)是01背包问题的最优解，则有(X2，X3，…，Xn)是其子问题的最优解， 假设(Y2，Y3，…，Yn)是上述问题的子问题最优解，则理应有(V2Y2+V3Y3+…+VnYn)+V1X1 > (V2X2+V3X3+…+VnXn)+V1X1； 而(V2X2+V3X3+…+VnXn)+V1X1=(V1X1+V2X2+…+VnXn)，则有(V2Y2+V3Y3+…+VnYn)+V1X1 > (V1X1+V2X2+…+VnXn)； 该式子说明(X1，Y2，Y3，…，Yn)才是该01背包问题的最优解，这与最开始的假设(X1，X2，…，Xn)是01背包问题的最优解相矛盾，故01背包问题满足最优性原理； f) 寻找递推关系式，面对当前商品有两种可能性： 第一，包的容量比该商品体积小，装不下，此时的价值与前i-1个的价值是一样的，即V(i,j)=V(i-1,j)； 第二，还有足够的容量可以装该商品，但装了也不一定达到当前最优价值，所以在装与不装之间选择最优的一个，即V(i,j)=max｛ V(i-1,j)，V(i-1,j-w(i))+v(i) ｝ 其中V(i-1,j)表示不装，V(i-1,j-w(i))+v(i) 表示装了第i个商品，背包容量减少w(i)但价值增加了v(i)； 由此可以得出递推关系式： 1) j 2) j>=w(i) V(i,j)=max｛ V(i-1,j)，V(i-1,j-w(i))+v(i) ｝ number＝4，capacity＝7 i w(重量) v(价值) 四、构造最优解： 最优解的构造可根据C列的数据来构造最优解，构造时从第一个物品开始。从i=1,j=c即m[1][c]开始。 1、对于m[i][j]，如果m[i][j]==m[i+1][j]，则物品i没有装入背包，否则物品i装入背包； 2、为了确定后继即物品i+1，应该寻找新的j值作为参照。如果物品i已放入背包，则j=j-w[i]；如果物品i未放入背包，则j=j。 3、重复上述两步判断后续物品i到物品n-1是否放入背包。 4、对于物品n，直接通过m[n][j]是否为0来判断物品n是否放入背包。 只要能通过找规律手工填写出上面这张表就算理解了01背包的动态规划算法。 首先要明确这张表是至底向上，从左到右生成的。 1 3 9 2 5 10 3 2 7 4 1 4 序号 1 2 3 4 Weight 3 5 2 1 Value 9 10 7 4 1 4 4 4 4 2 7 7 7 4 3 11 11 11 4 4 13 11 11 4 5 16 11 11 4 6 20 14 11 4 7 20 17 11 4 从表格中可以看出背包的最大价值value=20，即当X1=1，X2=0，X3=1，X4=1。 五、算法测试代码： #include constint c = 8; //背包的容量 constint w[] = {0,3,5,2,1};//物品的重量，其中0号位置不使用。 constint v[] = {0,9,10,7,4};//物品对应的待加，0号位置置为空。 constint n = sizeof(w)/sizeof(w[0]) - 1 ; //n为物品的个数 int x[n+1]; void package0_1(int m[][11],constint w[],constint v[],constint n)//n代表物品的个数 { //采用从底到顶的顺序来设置m[i][j]的值 //首先放w[n] for(int j = 0; j <= c; j++) if(j < w[n]) m[n][j] = 0; //j小于w[n],所对应的值设为0，否则就为可以放置 else m[n][j] = v[n]; //对剩下的n-1个物品进行放置。 inti; for(i = n-1; i>= 1; i--) for(int j = 0; j <= c; j++) if(j < w[i]) m[i][j] = m[i+1][j];//如果j < w[i]则，当前位置就不能放置，它等于上一个位置的值。否则，就比较到底是放置之后的值大，还是不放置的值大，选择其中较大者。 else m[i][j] = m[i+1][j] > m[i+1][j-w[i]] + v[i]? m[i+1][j] : m[i+1][j-w[i]] + v[i]; } void answer(int m[][11],constint n) { int j = c; inti; for(i = 1; i<= n-1; i++) if(m[i][j] == m[i+1][j]) x[i] = 0; else { x[i] = 1; j = j - w[i]; // } x[n] = m[i][j] ? 1 : 0; } int main() { int m[6][11]={0}; package0_1(m,w,v,n); for(inti = 0; i<= 5; i++) { for(int j = 0; j <= 10; j++) printf(\cout< answer(m,n); cout<< \for(inti = 1; i<= 5; i++) cout<< x[i] << \system(\return 0; } 0-1背包回溯法解决问题
动态规划与回溯法解决0-1背包问题
