动态规划之01背包问题（最易理解的讲解）

Posted 2020-10-02 yangchunchun

01背包问题，是用来介绍动态规划算法最经典的例子，网上关于01背包问题的讲解也很多，我写这篇文章力争做到用最简单的方式，最少的公式把01背包问题讲解透彻。

01背包的状态转换方程 f[i,j] = Max{ f[i-1,j-Wi]+Pi( j >= Wi ),  f[i-1,j] }

f[i,j]表示在前i件物品中选择若干件放在承重为 j 的背包中，可以取得的最大价值。

Pi表示第i件物品的价值。

决策：为了背包中物品总价值最大化，第 i件物品应该放入背包中吗 ？

 

题目描述：

有编号分别为a,b,c,d,e的五件物品，它们的重量分别是2,2,6,5,4，它们的价值分别是6,3,5,4,6，现在给你个承重为10的背包，如何让背包里装入的物品具有最大的价值总和？

 

name	weight	value	1	2	3	4	5	6	7	8	9	10
a	2	6	0	6	6	9	9	12	12	15	15	15
b	2	3	0	3	3	6	6	9	9	9	10	11
c	6	5	0	0	0	6	6	6	6	6	10	11
d	5	4	0	0	0	6	6	6	6	6	10	10
e	4	6	0	0	0	6	6	6	6	6	6	6

 

 

只要你能通过找规律手工填写出上面这张表就算理解了01背包的动态规划算法。

首先要明确这张表是至底向上，从左到右生成的。

为了叙述方便，用e2单元格表示e行2列的单元格，这个单元格的意义是用来表示只有物品e时，有个承重为2的背包，那么这个背包的最大价值是0，因为e物品的重量是4，背包装不了。

对于d2单元格，表示只有物品e，d时,承重为2的背包,所能装入的最大价值，仍然是0，因为物品e,d都不是这个背包能装的。

同理，c2=0，b2=3,a2=6。

对于承重为8的背包，a8=15,是怎么得出的呢？

根据01背包的状态转换方程，需要考察两个值，

一个是f[i-1,j],对于这个例子来说就是b8的值9，另一个是f[i-1,j-Wi]+Pi；

在这里，

 f[i-1,j]表示我有一个承重为8的背包，当只有物品b,c,d,e四件可选时，这个背包能装入的最大价值

f[i-1,j-Wi]表示我有一个承重为6的背包（等于当前背包承重减去物品a的重量），当只有物品b,c,d,e四件可选时，这个背包能装入的最大价值

f[i-1,j-Wi]就是指单元格b6,值为9，Pi指的是a物品的价值，即6

由于f[i-1,j-Wi]+Pi = 9 + 6 = 15 大于f[i-1,j] = 9，所以物品a应该放入承重为8的背包

以下是actionscript3 的代码

 

[java] view plain copy

 

1. public function get01PackageAnswer(bagItems:Array,bagSize:int):Array  
2. {  
3.     var bagMatrix:Array=[];  
4.     var i:int;  
5.     var item:PackageItem;  
6.     for(i=0;i<bagItems.length;i++)  
7.     {  
8.         bagMatrix[i] = [0];  
9.     }  
10.     for(i=1;i<=bagSize;i++)  
11.     {  
12.         for(var j:int=0;j<bagItems.length;j++)  
13.         {  
14.             item = bagItems[j] as PackageItem;  
15.             if(item.weight > i)  
16.             {  
17.                 //i背包转不下item  
18.                 if(j==0)  
19.                 {  
20.                     bagMatrix[j][i] = 0;  
21.                 }  
22.                 else  
23.                 {  
24.                     bagMatrix[j][i]=bagMatrix[j-1][i];  
25.                 }  
26.             }  
27.             else  
28.             {  
29.                 //将item装入背包后的价值总和  
30.                 var itemInBag:int;  
31.                 if(j==0)  
32.                 {  
33.                     bagMatrix[j][i] = item.value;  
34.                     continue;  
35.                 }  
36.                 else  
37.                 {  
38.                     itemInBag = bagMatrix[j-1][i-item.weight]+item.value;  
39.                 }  
40.                 bagMatrix[j][i] = (bagMatrix[j-1][i] > itemInBag ? bagMatrix[j-1][i] : itemInBag)  
41.             }  
42.         }  
43.     }  
44.     //find answer  
45.     var answers:Array=[];  
46.     var curSize:int = bagSize;  
47.     for(i=bagItems.length-1;i>=0;i--)  
48.     {  
49.         item = bagItems[i] as PackageItem;  
50.         if(curSize==0)  
51.         {  
52.             break;  
53.         }  
54.         if(i==0 && curSize > 0)  
55.         {  
56.             answers.push(item.name);  
57.             break;  
58.         }  
59.         if(bagMatrix[i][curSize]-bagMatrix[i-1][curSize-item.weight]==item.value)  
60.         {  
61.             answers.push(item.name);  
62.             curSize -= item.weight;  
63.         }  
64.     }  
65.     return answers;  
66. }  

 

PackageItem类

 

 

[java] view plain copy

 

1. public class PackageItem  
2. {  
3.     public var name:String;  
4.     public var weight:int;  
5.     public var value:int;  
6.     public function PackageItem(name:String,weight:int,value:int)  
7.     {  
8.         this.name = name;  
9.         this.weight = weight;  
10.         this.value = value;  
11.     }  
12. }  

测试代码

 

 

[java] view plain copy

 

1. var nameArr:Array=[‘a‘,‘b‘,‘c‘,‘d‘,‘e‘];  
2. var weightArr:Array=[2,2,6,5,4];  
3. var valueArr:Array=[6,3,5,4,6];  
4. var bagItems:Array=[];  
5. for(var i:int=0;i<nameArr.length;i++)  
6. {  
7.     var bagItem:PackageItem = new PackageItem(nameArr[i],weightArr[i],valueArr[i]);  
8.     bagItems[i]=bagItem;  
9. }  
10. var arr:Array = ac.get01PackageAnswer(bagItems,10);