首先說下動態規劃,動態規劃這東西就和遞歸一樣,只能找局部關係,若想全部列出來,是很難的,比如漢諾塔。你可以說先把除最後一層的其他所有層都移動到2,再把最後一層移動到3,最後再把其餘的從2移動到3,這是一個直觀的關係,但是想列舉出來是很難的,也許當層數n=3時還可以模擬下,再大一些就不可能了,所以,諸如遞歸,動態規劃之類的,不能細想,只能找局部關係。
1.漢諾塔圖片
(引至杭電課件:DP最關鍵的就是狀態,在DP時用到的數組時,也就是存儲的每個狀態的最優值,也就是記憶化搜索)
要了解揹包,首先得清楚動態規劃:
動態規劃算法可分解成從先到後的4個步驟:
1. 描述一個最優解的結構;
2. 遞歸地定義最優解的值;
3. 以“自底向上”的方式計算最優解的值;
4. 從已計算的信息中構建出最優解的路徑。
其中步驟1~3是動態規劃求解問題的基礎。如果題目只要求最優解的值,則步驟4可以省略。
揹包的基本模型就是給你一個容量爲V的揹包
在一定的限制條件下放進最多(最少?)價值的東西
當前狀態→ 以前狀態
看了dd大牛的《揹包九講》(點擊下載),迷糊中帶着一絲清醒,這裏我也總結下01揹包,完全揹包,多重揹包這三者的使用和區別,部分會引用dd大牛的《揹包九講》,如果有錯,歡迎指出。(www.wutianqi.com留言即可)
首先我們把三種情況放在一起來看:
01揹包(ZeroOnePack): 有N件物品和一個容量爲V的揹包。(每種物品均只有一件)第i件物品的費用是c[i],價值是w[i]。求解將哪些物品裝入揹包可使價值總和最大。
完全揹包(CompletePack): 有N種物品和一個容量爲V的揹包,每種物品都有無限件可用。第i種物品的費用是c[i],價值是w[i]。求解將哪些物品裝入揹包可使這些物品的費用總和不超過揹包容量,且價值總和最大。
多重揹包(MultiplePack): 有N種物品和一個容量爲V的揹包。第i種物品最多有n[i]件可用,每件費用是c[i],價值是w[i]。求解將哪些物品裝入揹包可使這些物品的費用總和不超過揹包容量,且價值總和最大。
比較三個題目,會發現不同點在於每種揹包的數量,01揹包是每種只有一件,完全揹包是每種無限件,而多重揹包是每種有限件。
——————————————————————————————————————————————————————————–
先來分析01揹包:
01揹包(ZeroOnePack): 有N件物品和一個容量爲V的揹包。(每種物品均只有一件)第i件物品的費用是c[i],價值是w[i]。求解將哪些物品裝入揹包可使價值總和最大。
這是最基礎的揹包問題,特點是:每種物品僅有一件,可以選擇放或不放。
用子問題定義狀態:即f[i][v]表示前i件物品恰放入一個容量爲v的揹包可以獲得的最大價值。則其狀態轉移方程便是:
f[i][v]=max{ f [i-1][v] , f [i-1][v-c[i]]+w[i] }【注意:轉移方程不包括第i個揹包】
把這個過程理解下:在前i件物品放進容量v的揹包時,
它有兩種情況:
第一種是第i件不放進去,這時所得價值爲:f[i-1][v]
第二種是第i件放進去,這時所得價值爲:f[i-1][v-c[i]]+w[i]
(第二種是什麼意思?就是如果第i件放進去,那麼在容量v-c[i]裏就要放進前i-1件物品)
最後比較第一種與第二種所得價值的大小,哪種相對大,f[i][v]的值就是哪種。
(這是基礎,要理解!)
這裏是用二位數組存儲的,可以把空間優化,用一位數組存儲。
用f[0..v]表示,f[v]表示把前i件物品放入容量爲v的揹包裏得到的價值。把i從1~n(n件)循環後,最後f[v]表示所求最大值。
*這裏f[v]就相當於二維數組的 f[i][v]。那麼,如何得到f[i-1][v]和f[i-1][v-c[i]]+w[i]?(重點!思考)
首先要知道,我們是通過i從1到n的循環來依次表示前i件物品存入的狀態。即:for i=1..N
現在思考如何能在是f[v]表示當前狀態是容量爲v的揹包所得價值,而又使f[v]和f[v-c[i]]+w[i]標籤前一狀態的價值?
逆序!
這就是關鍵!
for i=1..N
for v=V..0
f[v]=max{f[v],f[v-c[i]]+w[i]};
分析上面的代碼:當內循環是逆序時,就可以保證後一個f[v ]和 f[v-c[i]]+w[i] 是前面狀態的!(ps:的確如此!,反過來想,假如順序的話,那麼就拿i=1時來講,c[0]=1, c[1]=0, c[2]=0, c[3]=4, c[4]=4, c[5]=4, c[6]=8, c[7]=8, c[8]=8, c[9]=12, c[10]=12,明顯是錯的,而逆序就避免了這樣情況~贊!)
這裏給大家一組測試數據:
測試數據:
10,3
3,4
4,5
5,6
這個圖表畫得很好,藉此來分析:
C[v]從物品i=1開始,循環到物品3,期間,每次逆序得到容量v在前i件物品時可以得到的最大值。(請在草稿紙上自己畫一畫)
這裏以一道題目來具體看看:
題目:http://acm.hdu.edu.cn/showproblem.php?pid=2602
代碼:http://www.wutianqi.com/?p=533
分析:
具體根據上面的解釋以及我給出的代碼分析。這題很基礎,看懂上面的知識應該就會做了。
——————————————————————————————————————————————————————————–
完全揹包:
完全揹包(CompletePack): 有N種物品和一個容量爲V的揹包,每種物品都有無限件可用。第i種物品的費用是c[i],價值是w[i]。求解將哪些物品裝入揹包可使這些物品的費用總和不超過揹包容量,且價值總和最大。
完全揹包按其思路仍然可以用一個二維數組來寫出:
f[i][v]=max{ f[i-1][v-k*c[i]]+k*w[i] (0<=k*c[i]<=v) }
同樣可以轉換成一維數組來表示:
僞代碼如下:
for i=1..N
for v=0..V
f[v]=max{f[v],f[v-c[i]]+w[i]}
順序!
想必大家看出了和01揹包的區別,這裏的內循環是順序的,而01揹包是逆序的。
現在關鍵的是考慮:爲何完全揹包可以這麼寫?
在次我們先來回憶下,01揹包逆序的原因?是爲了是max中的兩項是前一狀態值,這就對了。
那麼這裏,我們順序寫,這裏的max中的兩項當然就是當前狀態的值了,爲何?
因爲每種揹包都是無限的。當我們把i從1到N循環時,f[v]表示容量爲v在前i種揹包時所得的價值,這裏我們要添加的不是前一個揹包,而是當前揹包。所以我們要考慮的當然是當前狀態。
這裏同樣給大家一道題目:
題目:http://acm.hdu.edu.cn/showproblem.php?pid=1114
代碼:http://www.wutianqi.com/?p=535(分析代碼也是學習算法的一種途徑,有時並不一定要看算法分析,結合題目反而更容易理解。)
——————————————————————————————————————————————————————————–
多重揹包
多重揹包(MultiplePack): 有N種物品和一個容量爲V的揹包。第i種物品最多有n[i]件可用,每件費用是c[i],價值是w[i]。求解將哪些物品裝入揹包可使這些物品的費用總和不超過揹包容量,且價值總和最大。
這題目和完全揹包問題很類似。基本的方程只需將完全揹包問題的方程略微一改即可,因爲對於第i種物品有n[i]+1種策略:取0件,取1件……取n[i]件。令f[i][v]表示前i種物品恰放入一個容量爲v的揹包的最大權值,則有狀態轉移方程:
f[i][v]=max{f[i-1][v-k*c[i]]+k*w[i]|0<=k<=n[i]}
這裏同樣轉換爲01揹包:
普通的轉換對於數量較多時,則可能會超時,可以轉換成二進制.
【關於多重揹包的優化,貼上DD大牛的原話:
仍然考慮二進制的思想,我們考慮把第i種物品換成若干件物品,使得原問題中第i種物品可取的每種策略——取0..n[i]件——均能等價於取若干件代換以後的物品。另外,取超過n[i]件的策略必不能出現。
方法是:將第i種物品分成若干件物品,其中每件物品有一個係數,這件物品的費用和價值均是原來的費用和價值乘以這個係數。
使這些係數分別爲 1,2,4,...,2^(k-1),n[i]-2^k+1,且k是滿足n[i]-2^k+1>0的最大整數。例如,如果n[i]爲13,就將這種物品分成係數分別爲1,2,4,6的四件物品,這樣的4件物品可以組合成0~13。
分成的這幾件物品的係數和爲n[i],表明不可能取多於n[i]件的第i種物品。另外這種方法也能保證對於0..n[i]間的每一個整數,均可以用若干個係數的和表示,這個證明可以分0..2^k-1和2^k..n[i]兩段來分別討論得出,並不難,希望你自己思考嘗試一下。
這樣就將第i種物品分成O(log n[i])種物品,將原問題轉化爲了複雜度爲O(V*∑log n[i])的01揹包問題,是很大的改進。
下面給出O(log amount)時間處理一件多重揹包中物品的過程,其中amount表示物品的數量:
procedure MultiplePack(cost,weight,amount)
if cost*amount>=V
CompletePack(cost,weight)
return
integer k=1
while k<num
ZeroOnePack(k*cost,k*weight)
amount=amount-k
k=k*2
ZeroOnePack(amount*cost,amount*weight)
希望你仔細體會這個僞代碼,如果不太理解的話,不妨翻譯成程序代碼以後,單步執行幾次,或者頭腦加紙筆模擬一下,也許就會慢慢理解了。
以poj1014爲例
代碼這裏
】
對於普通的。就是多了一箇中間的循環,把j=0~bag[i],表示把第i中揹包從取0件枚舉到取bag[i]件。
給出一個例題:
題目:http://acm.hdu.edu.cn/showproblem.php?pid=2191
代碼:http://www.wutianqi.com/?p=537
補充:
分組揹包問題
問題
有N件物品和一個容量爲V的揹包。第i件物品的費用是c[i],價值是w[i]。這些物品被劃分爲若干組,每組中的物品互相沖突,最多選一件。求解將哪些物品裝入揹包可使這些物品的費用總和不超過揹包容量,且價值總和最大。
[編輯]算法
這個問題變成了每組物品有若干種策略:是選擇本組的某一件,還是一件都不選。也就是說設f[k][v]表示前k組物品花費費用v能取得的最大權值,則有:
f[k][v]=max{f[k-1][v],f[k-1][v-c[i]]+w[i]|物品i屬於組k}
使用一維數組的僞代碼如下:
for k=1..n
for v=V..0 // 注意容量放在費用外
for 所有的i屬於組k
f[v]=max{f[v],f[v-c[i]]+w[i]}
注意這裏的三層循環的順序
"for v=V..0”這一層循環必須在“for 所有的i屬於組k”之外
這樣才能保證每一組內的物品最多隻有一個會被添加到揹包中。原因可參考http://www.cppblog.com/Onway/articles/122695.html
小結
分組的揹包問題將彼此互斥的若干物品稱爲一個組,這建立了一個很好的模型。不少揹包問題的變形都可以轉化爲分組的揹包問題.
二維費用揹包問題
二維費用的揹包問題是指:對於每件物品,具有兩種不同的費用;選擇這件物品必須同時付出這兩種代價;對於每種代價都有 一個可付出的最大值(揹包容量)。問怎樣選擇物品可以得到最大的價值。設這兩種代價分別爲代價1和代價2,第i件物品所需的兩種代價分別爲a[i]和 b[i]。兩種代價可付出的最大值(兩種揹包容量)分別爲V和U。物品的價值爲w[i]。
費用加了一維,只需狀態也加一維即可。設f[i][v][u]表示前i件物品付出兩種代價分別爲v和u時可獲得的最大價值。狀態轉移方程就是:
f[i][v][u]=max{f[i-1][v][u],f[i-1][v-a[i]][u-b[i]]+w[i]}
如前述方法,可以只使用二維的數組:當每件物品只可以取一次時變量v和u採用逆序的循環,當物品有如完全揹包問題時採用順序的循環。當物品有如多重揹包問題時拆分物品。