背包问题再理解

菜鸟都能理解的0-1背包问题的空间优化

如果你不知道什么叫做0-1背包问题，下面是0-1背包问题的简单描述

假设有n件物品

每件物品的体积为w1, w2……wn

相对应的价值为 v1, v2.……vn。

01背包是在n件物品取出若干件放在空间为total_weight的背包里，使得背包的总体积最大

关于0-1背包问题没有优化版本，请看

上面的核心代码是下面这一段

for (int i = 1; i <= n; i++) {
for (int j = 1; j <= total_weight; j++) {
if (w[i] > j) {
c[i][j] = c[i-1][j];
} else {
if (c[i-1][j] > v[i]+c[i-1][j-w[i]]) {
c[i][j] = c[i-1][j];
}
else {
c[i][j] =  v[i] + c[i-1][j-w[i]];
}
}
}
}

注意到状态转移方程 c[i][j] = max{c[i-1][j],
c[i-1][j-w[i]]+v[i]}

每一次c[i][j]改变的值只与c[i-1][x] {x:1...j} 【我的理解：x是范围是 1 到j】

有关c[i-1][x]是前一次i循环保存下来的值，

因此，可以将c缩减成一维数组

状态转移方程转换为 c[j] = max(c[j], c[j-w[i]]+v[i]);

并且，我们注意到状态转移方程，每一次推导c[i][j]是通过c[i-1][j-w[i]]来推导的，而不是通过c[i][j-w[i]]

因此，j的扫描顺序应该改成从大到小

否则，第i次求c数组，必然先求的c[j-w[i]]的值(即c[i][j-w[i]])，再求c[j](即c[i][j])的值

由于j递增,那么状态方程就成为下面这个样子了
c[i][j] = max(c[i-1][j], c[i][j-w[i]]+v[i])显然不符合题意

【我的理解：每一次推导c[i][j]是通过c[i-1][j-w[i]]来推导的 ，

意思是 在 j 容量下放i 与不放i ,那个价值比较大。

c[i-1][j-w[i]] 表示在j的容积下准备放 i 物品】

j的扫描顺序应该改成从大到小，

所以，上面的代码变为

for (int i = 1; i <= n; i++) {

for (int j = total_weight; j >= 1; j--) {

if (w[i] > j) {

c[j] = c[j]; //表示第i次与第i-1次相等，这里因为c[j]本来就保存这上一次的值，所以这里不需变化

//而二维数组的写法是 c[ i ] [ j ] = c [ i-1 ] [ j ] ; 保存上一次的值

} else {

//说明第i件物品的重量小于背包的重量，所以可以选择第i件物品放还是不放

if (c[j] > v[i]+c[j-w[i]]) { // 二维数组：if (c[i-1][j] > v[i]+c[i-1][j-w[i]])

c[j] = c[j]; // 二维数组：c[i][j] = c[i-1][j];
不放入 i

}

else {

c[j] = v[i] + c[j-w[i]]; //二维数组：c[i][j] = v[i] + c[i-1][j-w[i]];
放入i

}

}

}

}

【我的理解：c[ j - w[i] ] 与 c[i-1][ j-w[i] ] 的区别是：

首先是 "j"，前者是处理逆容量，后者是处理当前容量。

后者表示当前容量下放入i 前i的价值(value)，前者表示

逆容量 - i的容量(费用)的价值

后者 + v[i] ,前者 + v[i] ,两个都加上i的价值，

然后

后者：【当前容量下放入i 前i的价值(value)】 +
v[i]【i的价值】 与 【当前容量的不放入i的价值】 【 compare 】

c[i-1][j] 与 v[i]+c[i-1][j-w[i]] 比较

前者：【逆容量 - i占用的容量(费用) 最后在此基础上得出的价值】 + v[i]【i的价值】 与
【逆容量的价值】 【 compare 】

c[j] 与 v[i]+c[j-w[i]] 比较（意思是假设逆容量不包括i占用容量的时候的价值，这样再加上i的价值，这个时候再与
逆容量的价值 比较，

如果 小于的话，表示不放入i 更有价值；如果大于的话，表示放入i 更有价值。）

c[j] -

v[i] > c[j-w[i]] 放入i,说明容量不匹配，说明c[j] 价值很大，反之当前容量的价值很小

一个逆的比较，一个是顺的比较，两者的目的是一样的，都是为了绝对放不放i, 但是又有区别，区别在空间上发生了变化，实现

同样目标尝试逆的方法和顺的方法，可以发现有不同的效果。

】

最后我们可以做下优化，把不必要的语句去掉即可完成优化

for (int i = 1; i <= n; i++)
for (int j = total_weight; j >= w[i]; j--)
if (c[j] <= v[i] + c[j-w[i]])
c[j] = v[i] + c[j-w[i]];

如此优美的代码简直无法想象!

注意，

空间优化版本最后是求解不出来最优解序列的，

但是能求出最优解，也就是最大价值

背包01 问题的 二维数组 和 空间优化后一维数组 的实现

空间优化的输出

c[10]的值4

c[9]的值4

c[8]的值4

c[7]的值4

c[6]的值4

c[5]的值4

c[4]的值4

c[3]的值4

c[2]的值0

c[1]的值0

c[10]的值9

c[9]的值9

c[8]的值9

c[7]的值9

c[6]的值5

c[5]的值5

c[4]的值5

c[3]的值4

c[2]的值0

c[1]的值0

c[10]的值11

c[9]的值11

c[8]的值10

c[7]的值9

c[6]的值6

c[5]的值6

c[4]的值5

c[3]的值4

c[2]的值0

c[1]的值0

总的价值为: 11

------------------------

二维数组的 输出

c[1][1]的值0

c[1][2]的值0

c[1][3]的值4

c[1][4]的值4

c[1][5]的值4

c[1][6]的值4

c[1][7]的值4

c[1][8]的值4

c[1][9]的值4

c[1][10]的值4

c[2][1]的值0

c[2][2]的值0

c[2][3]的值4

c[2][4]的值5

c[2][5]的值5

c[2][6]的值5

c[2][7]的值9

c[2][8]的值9

c[2][9]的值9

c[2][10]的值9

c[3][1]的值0

c[3][2]的值0

c[3][3]的值4

c[3][4]的值5

c[3][5]的值6

c[3][6]的值6

c[3][7]的值9

c[3][8]的值10

c[3][9]的值11

c[3][10]的值11

需要放入的物品如下

flag[1]的值32767

flag[2]的值1

2
重量为4,价值为5

flag[3]的值1

3
重量为5,价值为6

总的价值为: 11

--------------------------------------------

观察其特征： 结果其实是一样的，只不过 一维数组 是倒着输出。！