背包问题的动态规划算法

算法导论16.2-20-1背包问题CLRS 16.2-2 请给出⼀个解决0-1背包问题的运⾏时间为O(nW)的动态规划⽅法，其中，n为物品的件数，W为窃贼可放⼊他的背包中的物品中的最⼤重量。

我们有n种物品，物品j的重量为w j，价格为p j。

我们假定所有物品的重量和价格都是⾮负的。

背包所能承受的最⼤重量为W。

如果限定每种物品只能选择0个或1个，则问题称为0-1背包问题。

可以⽤公式表⽰为：maximizesubject to⽅法⼀：采⽤最原始的递归⽅法，公式为V(1,...,n) = max(v k + V(1,...,k-1,k+1,...,n));时间复杂度为O(2n)，很多⼦问题被重复计算。

View Code1 #include <stdio.h>2 #include <stdlib.h>34//每件物品的价值和重量5 typedef struct goods_t6 {7int weight;8int value;9 }goods;1011//删除第i个元素后的所有元素12 goods* remain_data(goods* data, const int n, const int i)13 {14 goods* remain = (goods*)malloc((n-1)*sizeof(goods));15int j;16int count = 0;17for (j = 0; j < n; j++)18 {19if (j != i)20 remain[count++] = data[j];21 }22return remain;23 }2425//递归26int recursive(goods* data, const int n, int weight)27 {28int max = 0;29int i;30for (i = 0; i < n; i++)31 {32if (data[i].weight <= weight)33 {34int tmp = data[i].value + recursive(remain_data(data, n, i), n - 1, weight - data[i].weight);35if (tmp > max)36 max = tmp;37 }38 }39return max;40 }4142int main()43 {44//输⼊最⼤重量45int max_weight;46 scanf("%d", &max_weight);47//输⼊物品件数及其重量和价值48int num;49 scanf("%d", &num);50int n = num;51 goods* data = (goods*)malloc(n*sizeof(goods));5253 goods g;54while (num--)55 {56 scanf("%d%d", &(g.weight), &(g.value));57 data[n-num-1] = g;58 }59 printf("%d\n", recursive(data, n, max_weight));60return0;61 }⽅法⼆：我们假定w1, ..., w n和W都是正整数。

f[n][m]即为最优解。
【参考程序】
#include<cstdio> using namespace std;
const int maxm = 201, maxn = 31;
int m, n;
int w[maxn], c[maxn];
int f[maxn][maxm];
int main()
{
scanf("%d%d",&m, &n);
for (int i=1; i <= n; i++)
//设f(v)表示重量不超过v公斤的最大价值
for (int v = m; v >= w[i]; v--)
if (f[v-w[i]]+c[i]>f[v])
f[v] = f[v-w[i]]+c[i];
printf("%d",f[m]);
// f(m)为最优解
【例9-12】、完全背包问题 【问题描述】
设有n种物品，每种物品有一个重量及一个价值。但每种物品的数量是无限 的，同时有一个背包，最大载重量为M，今从n种物品中选取若干件(同一种物品 可以多次选取)，使其重量的和小于等于M，而价值的和为最大。
【输入格式】
第一行：两个整数，M(背包容量，M<=200)和N(物品数量，N<=30)； 第2..N+1行：每行二个整数Wi,Ci，表示每个物品的重量和价值。 【输出格式】
第九章 动态规划
第二节 背包问题
第二节 背包问题
一、01背包问题 问题：
有N件物品和一个容量为V的背包。第i件物品的费用（即体积，下同）是w[i]， 价值是c[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量， 且价值总和最大。 基本思路：

动态规划——01背包问题⼀、最基础的动态规划之⼀01背包问题是动态规划中最基础的问题之⼀，它的解法完美地体现了动态规划的思想和性质。

01背包问题最常见的问题形式是：给定n件物品的体积和价值，将他们尽可能地放⼊⼀个体积固定的背包，最⼤的价值可以是多少。

我们可以⽤费⽤c和价值v来描述⼀件物品，再设允许的最⼤花费为w。

只要n稍⼤，我们就不可能通过搜索来遍查所有组合的可能。

运⽤动态规划的思想，我们把原来的问题拆分为⼦问题，⼦问题再进⼀步拆分直⾄不可再分（初始值），随后从初始值开始，尽可能地求取每⼀个⼦问题的最优解，最终就能求得原问题的解。

由于不同的问题可能有相同的⼦问题，⼦问题存在⼤量重叠，我们需要额外的空间来存储已经求得的⼦问题的最优解。

这样，可以⼤幅度地降低时间复杂度。

有了这样的思想，我们来看01背包问题可以怎样拆分成⼦问题：要求解的问题是：在n件物品中最⼤花费为w能得到的最⼤价值。

显然，对于0 <= i <= n,0 <= j <= w，在前i件物品中最⼤花费为j能得到的最⼤价值。

可以使⽤数组dp[n + 1][w + 1]来存储所有的⼦问题，dp[i][j]就代表从前i件物品中选出总花费不超过j时的最⼤价值。

可知dp[0][j]值⼀定为零。

那么，该怎么递推求取所有⼦问题的解呢。

显⽽易见，要考虑在前i件物品中拿取，⾸先要考虑前i - 1件物品中拿取的最优情况。

当我们从第i - 1件物品递推到第i件时，我们就要考虑这件物品是拿，还是不拿，怎样收益最⼤。

①：⾸先，如果j < c[i]，那第i件物品是⽆论如何拿不了的，dp[i][j] = dp[i - 1][j];②：如果可以拿，那就要考虑拿了之后收益是否更⼤。

拿这件物品需要花费c[i]，除去这c[i]的⼦问题应该是dp[i - 1][j - c[i]]，这时，就要⽐较dp[i - 1][j]和dp[i - 1][j - c[i]] + v[i]，得出最优⽅案。

动态规划——背包问题python实现（01背包、完全背包、多重背包）参考：⽬录描述：有N件物品和⼀个容量为V的背包。

第i件物品的体积是vi，价值是wi。

求解将哪些物品装⼊背包，可使这些物品的总体积不超过背包流量，且总价值最⼤。

⼆维动态规划f[i][j] 表⽰只看前i个物品，总体积是j的情况下，总价值最⼤是多少。

result = max(f[n][0~V]) f[i][j]:不选第i个物品：f[i][j] = f[i-1][j];选第i个物品：f[i][j] = f[i-1][j-v[i]] + w[i]（v[i]是第i个物品的体积）两者之间取最⼤。

初始化：f[0][0] = 0 （啥都不选的情况，不管容量是多少，都是0？）代码如下：n, v = map(int, input().split())goods = []for i in range(n):goods.append([int(i) for i in input().split()])# 初始化，先全部赋值为0，这样⾄少体积为0或者不选任何物品的时候是满⾜要求dp = [[0 for i in range(v+1)] for j in range(n+1)]for i in range(1, n+1):for j in range(1,v+1):dp[i][j] = dp[i-1][j] # 第i个物品不选if j>=goods[i-1][0]:# 判断背包容量是不是⼤于第i件物品的体积# 在选和不选的情况中选出最⼤值dp[i][j] = max(dp[i][j], dp[i-1][j-goods[i-1][0]]+goods[i-1][1])print(dp[-1][-1])⼀维动态优化从上⾯⼆维的情况来看，f[i] 只与f[i-1]相关，因此只⽤使⽤⼀个⼀维数组[0~v]来存储前⼀个状态。

那么如何来实现呢？第⼀个问题：状态转移假设dp数组存储了上⼀个状态，那么应该有：dp[i] = max(dp[i] , dp[i-v[i]]+w[i])max函数⾥⾯的dp[i]代表的是上⼀个状态的值。