0-1 揹包問題:給定 n 種物品和乙個容量為 c 的揹包,物品 i 的重量是 wi,其價值為 vi 。
問:應該如何選擇裝入揹包的物品,使得裝入揹包中的物品的總價值最大?
分析一波,面對每個物品,我們只有選擇拿取或者不拿兩種選擇,不能選擇裝入某物品的一部分,也不能裝入同一物品多次。
解決辦法:宣告乙個 大小為 m[n][c] 的二維陣列,m[ i ][ j ] 表示 在面對第 i 件物品,且揹包容量為 j 時所能獲得的最大價值 ,那麼我們可以很容易分析得出 m[i][j] 的計算方法,
(1). j < w[i] 的情況,這時候揹包容量不足以放下第 i 件物品,只能選擇不拿
m[ i ][ j ] = m[ i-1 ][ j ]
(2). j>=w[i] 的情況,這時揹包容量可以放下第 i 件物品,我們就要考慮拿這件物品是否能獲取更大的價值。
如果拿取,m[ i ][ j ]=m[ i-1 ][ j-w[ i ] ] + v[ i ]。 這裡的m[ i-1 ][ j-w[ i ] ]指的就是考慮了i-1件物品,揹包容量為j-w[i]時的最大價值,也是相當於為第i件物品騰出了w[i]的空間。
如果不拿,m[ i ][ j ] = m[ i-1 ][ j ] , 同(1)
究竟是拿還是不拿,自然是比較這兩種情況那種價值最大。
(第一行和第一列為序號,其數值為0)
如m[2][6],在面對第二件物品,揹包容量為6時我們可以選擇不拿,那麼獲得價值僅為第一件物品的價值8,如果拿,就要把第一件物品拿出來,放第二件物品,價值10,那我們當然是選擇拿。m[2][6]=m[1][0]+10=0+10=10;依次類推,得到m[6][12]就是考慮所有物品,揹包容量為c時的最大價值。
#include
#include
using
namespace std;
const
int n=15;
intmain()
;int w[n]=;
int m[n]
[n];
int n=
6,c=12;
memset
(m,0
,sizeof
(m))
;for
(int i=
1;i<=n;i++)}
for(
int i=
1;i<=n;i++
) cout<
}return0;
}
到這一步,可以確定的是可能獲得的最大價值,但是我們並不清楚具體選擇哪幾樣物品能獲得最大價值。
另起乙個 x[ ] 陣列,x[i]=0表示不拿,x[i]=1表示拿。
m[n][c]為最優值,如果m[n][c]=m[n-1][c] ,說明有沒有第n件物品都一樣,則x[n]=0 ; 否則 x[n]=1。當x[n]=0時,由x[n-1][c]繼續構造最優解;當x[n]=1時,則由x[n-1][c-w[i]]繼續構造最優解。以此類推,可構造出所有的最優解。(這段全抄演算法書,實在不知道咋解釋啊。。)
void
traceback()
} x[1]
=(m[1]
[c]>0)
?1:0
;}
例:
某工廠預計明年有a、b、c、d四個新建專案,每個專案的投資額wk及其投資後的收益vk如下表所示,投資總額為30萬元,如何選擇專案才能使總收益最大?
結合前面兩段**
#include
#include
using
namespace std;
const
int n=
150;
int v[n]=;
int w[n]=;
int x[n]
;int m[n]
[n];
int c=30;
int n=4;
void
tradeback()
else}if
(m[1
][c])}
intmain()
else}}
cout<
[c]<
tradeback()
;for
(int i =
1; i <= n; i++)}
return0;
}
輸出x[i]陣列:0111,輸出m[4][30]:22。
得出結論:選擇bcd三個專案總收益最大,為22萬元。
不過這種演算法只能得到一種最優解,並不能得出所有的最優解。
01揹包問題 (動態規劃演算法)
0 1 揹包問題 給定 n 種物品和乙個容量為 c 的揹包,物品 i 的重量是 wi,其價值為 vi 問 應該如何選擇裝入揹包的物品,使得裝入揹包中的物品的總價值最大?分析一波 面對每個物品,我們只有選擇拿取或者不拿兩種選擇,不能選擇裝入某物品的一部分,也不能裝入同一物品多次。解決辦法 宣告乙個 大...
01揹包問題 (動態規劃演算法)
題目 給定n種物品和乙個容量為v的揹包,物品i的體積是wi,其價值為ci。每種物品只有乙個 問 如何選擇裝入揹包的物品,使得裝入揹包中的物品的總價值最大?面對每個物品,我們只有選擇放入或者不放入兩種選擇,每種物品只能放入一次。我們用之前同樣的思路來走一遍試試 假設只剩下最後一件物品,我們有兩種選擇 ...
動態規劃演算法 01揹包問題
動態規劃演算法通常用於求解具有某種最優性質的問題。在這類問題中,可能會有許多可行解。每乙個解都對應於乙個值,我們希望找到具有最優值的解。動態規劃演算法與分治法類似,其基本思想也是將待求解問題分解成若干個子問題,先求解子問題,然後從這些子問題的解得到原問題的解。與分治法不同的是,適合於用動態規劃求解的...