美文网首页校招备战笔记
动态规划-0-1背包问题

动态规划-0-1背包问题

作者: iOS佥 | 来源:发表于2018-08-12 17:43 被阅读3次

动态规划-0-1背包问题

动态规划(dynamic programming)是解决多阶段决策问题常用的最优化理论,由美国数学家 Bellman 等人在1957年提出,用于研究多阶段决策过程的优化问题。

[toc]

动态规划适合的问题(最优解)

动态规划法适合求解多阶段(状态转换)决策问题的最优解,也可用于含有线性或非线性递推关系的最优解问题,这些问题必须满足最优化原理和子问题的“无后向型”。

动态规划的基本步骤

一般需要四个步骤;

st=>start: 定义最优子问题
e=>end: 确定边界条件
op1=>operation: 定义状态
op2=>operation: 定义决策和状态转换方程

st->op1->op2->e

0-1背包问题

有一个背包,承载量为 C,现有 n 个物品,其中物品 i (0< i <=n) 重量为 wi,价值为pi, 现在从 n 个物品里选择一个或多个装入背包,要求在物品总重量不超过 C 的前提下,所装入的物品价值最高.

1.定义最优子问题

每选择一个物品就可以看做一个阶段,其子问题就可以定义成每次向包里装入一个物品,直到超过背包最大容量为止.

2.定义状态

在满足"无后向性"要求下,定义问题的状态: s[i, j] 将第 i 件物品装入容量为 j 的包里所能获得的最大价值.

3.定义决策和状态转换方程

  • 决策:判断装入 第 i 件物品的总价值和不装入第 i 件物品的总价值哪个更大.
    如果不装入第 i 件物品,则背包内物品的价值仍然是 s[i-1, j];
    如果装入第 i 件物品,则背包内物品的价值就是 s[i-1, j-wi]+pi.
  • 状态转换方程:s[i, j] = max(s[i-1, j], s[i-1, j-w_i]+p_i)

4.确定边界条件

边界条件就是没有装入任何物品的状态:s[0, j] = 0

5.递归写法

#include <iostream>
#include <algorithm>

using namespace std;

int q[6] = {0,3, 6, 5, 4, 6};   // 价值
int t[6] = {0,2, 4, 6, 5, 2};   // 重量
int V = 2;                      // 背包容量

int func(int i, int V);         // i 个物品, 背包容量 V
    
int main(int argc, char *argv[]) {
    
    int highest = func(5, V);
    cout << "最高价值:" << highest << endl;
    
    return 0;
}

int func(int i, int V){
    if(i == 0 || V == 0) {
        return 0;
    }else if (V>=t[i]){
        return max(func(i-1, V), func(i-1, V-t[i])+q[i]);
    }else{
        return func(i-1, V);
    }
}

6.状态表(备忘录)写法

#include <iostream>

using namespace std;

int q[6] = {0,3, 6, 5, 4, 6};   // 价值
int t[6] = {0,2, 4, 6, 5, 2};   // 重量
int V = 10;                     // 背包容量

int main(int argc, char *argv[]) {
    
    int f[6][V+1];                  // 状态表
    
    // 初始化边界条件
    for (int i = 0; i < 6; i++){
        f[i][0] = 0;
        f[0][i] = 0;
    }
    for (int i = 1; i < 6; i++){
        for (int j = 1; j < V+1; j++){
            if(j >= t[i]){
                f[i][j] = max(f[i-1][j], f[i-1][j-t[i]]+q[i]);
            }else{
                f[i][j] = f[i-1][j];
            }
        }
    }
    // 打印状态表
    for (int i = 0; i < 6; i++){
        for (int j = 0; j < V+1; j++){
        cout << f[i][j] << " ";
        }
        cout << endl;
    }
    return 0;
}

相关文章

  • 动态规划

    0-1背包问题 自己实现的0-1背包问题的动态规划解法,先贴上吧,动态规划原理解释有空再写。

  • 初识动态规划

    0-1 背包问题 备忘录 动态规划-二维数组 动态规划-一维数组 0-1 背包问题升级版 回溯算法 动态规划-二维...

  • Algorithm进阶计划 -- 动态规划(下)

    经典动态规划背包问题最长子序列问题 1. 背包问题 1.1 0-1 背包问题 0-1 背包问题,描述如下: 上面...

  • 数据结构与算法笔记day23:动态规划

    1初识动态规划 这节课的内容不涉及动态规划的理论,而是通过两个例子:0-1背包问题、0-1背包问题升级...

  • 算法-动态规划-背包问题

    背包问题是基础的动态规划问题,包含了0-1背包,完全背包,多重背包等。 0-1背包 存在容量为 的背包 , 件体...

  • 背包问题

    背包问题属于典型的动态规划问题。这里我们将详细介绍0-1背包,完全背包和多重背包问题 一、 0-1背包 有N件物品...

  • 背包问题

    1、前言 背包问题是典型的动态规划问题,它有非常多的类型,本文讨论最常见的0-1背包问题 0-1背包问题描述:有一...

  • Algorithm

    bit manipulation 动态规划 0-1背包问题 寻找最小的k个数

  • 算法3:动态规划

    5.动态规划5.1 什么是动态规划?5.2 自底向上的动态规划:5.3 自顶向下的动态规划5.4 0-1背包问题:...

  • 动态规划-0-1背包问题

    动态规划-0-1背包问题 动态规划(dynamic programming)是解决多阶段决策问题常用的最优化理论,...

网友评论

    本文标题:动态规划-0-1背包问题

    本文链接:https://www.haomeiwen.com/subject/msasbftx.html