01背包问题

﹏ヽ暗。殇╰゛Y 2022-10-11 13:40 257阅读 0赞

## [0-1背包问题][0-1] ##

Reference: https://www.jianshu.com/p/a66d5ce49df5

## 问题描述： ##

0-1背包问题：给定n种物品和一背包。物品 i 的重量似乎 wi，其价值为 vi，背包的容量为 c。问应该如何选择装入背包中的物品，使得装入背包中物品的总价值最大？

> 说实在的，书上讲的东西生涩难懂，我更偏向于看一些有趣的东西。我们来换一个风格来描述这一个问题。  
> 以下内容大部分来自\*\*《算法图解》\*\*一书。看完之后大有收获。

## 另一种风格的描述： ##

假设你是一个小偷，背着一个可装下4磅东西的背包，你可以偷窃的物品如下：

![img][]

为了让偷窃的商品价值最高，你该选择哪些商品？

#### 简单算法 ####

最简单的算法是：尝试各种可能的商品组合，并找出价值最高的组合。

![img][img 1]

这样显然是可行的，但是速度非常慢。在只有3件商品的情况下，你需要计算8个不同的集合；当有4件商品的时候，你需要计算16个不同的集合。每增加一件商品，需要计算的集合数都将翻倍！**这种算法的运行时间是O(2ⁿ)，真的是慢如蜗牛。**

#### 动态规划 ####

解决这样问题的答案就是使用动态规划！下面来看看动态规划的工作原理。动态规划先解决子问题，再逐步解决大问题。

对于背包问题，你先解决小背包（子背包）问题，再逐步解决原来的问题。

![img][img 2]

比较有趣的一句话是：**每个动态规划都从一个网格开始。**

背包问题的网格如下：

![img][img 3]

网格的各行为商品，各列为不同容量（1~4磅）的背包。所有这些列你都需要，因为它们将帮助你计算子背包的价值。

网格最初是空的。**你将填充其中的每个单元格，网格填满后，就找到了问题的答案！**

#### 1.吉他行 ####

后面会列出计算这个网格中单元格值得公式，但现在我们先来一步一步做。首先来看第一行。

![img][img 4]

这是吉他行，意味着你将尝试将吉他装入背包。在每个单元格，都需要做一个简单的决定：偷不偷吉他？别忘了，你要找出一个价值最高的商品集合。

第一个单元格表示背包的的容量为1磅。吉他的重量也是1磅，这意味着它能装入背包！因此这个单元格包含吉他，价值为1500美元。

下面来填充网格。

![img][img 5]

与这个单元格一样，每个单元格都将包含当前可装入背包的所有商品。

来看下一个单元格。这个单元格表示背包容量为2磅，完全能够装下吉他！

![img][img 6]

这行的其他单元格也一样。别忘了，这是第一行，只有吉他可供你选择，换而言之，你假装现在还没发偷窃其他两件商品。

![img][img 7]

此时你很可能心存疑惑：原来的问题说的额是4磅的背包，我们为何要考虑容量为1磅、2磅等得背包呢？前面说过，\*\*动态规划从小问题着手，逐步解决大问题。\*\*这里解决的子问题将帮助你解决大问题。

![img][img 8]

别忘了，你要做的是让背包中商品的价值最大。\*这行表示的是当前的最大价值。\*它指出，如果你有一个容量4磅的背包，可在其中装入的商品的最大价值为1500美元。

你知道这不是最终解。随着算法往下执行，你将逐步修改最大价值。

#### 2.音响行 ####

我们来填充下一行——音响行。你现在处于第二行，可以偷窃的商品有吉他和音响。

我们先来看第一个单元格，它表示容量为1磅的背包。在此之前，可装入1磅背包的商品最大价值为1500美元。

![img][img 9]

该不该偷音响呢？

背包的容量为1磅，显然不能装下音响。由于容量为1磅的背包装不下音响，因此最大价值依然是1500美元。

![img][img 10]

接下来的两个单元格的情况与此相同。在这些单元格中，背包的容量分别为2磅和3磅，而以前的最大价值为1500美元。由于这些背包装不下音响，因此最大的价值保持不变。

![img][img 11]

背包容量为4磅呢？终于能够装下音响了！原来最大价值为1500美元，但如果在背包中装入音响而不是吉他，价值将为3000美元！因此还是偷音响吧。

![img][img 12]

你更新了最大价值。如果背包的容量为4磅，就能装入价值至少3000美元的商品。在这个网格中，你逐步地更新最大价值。

![img][img 13]

#### 3.笔记本电脑行 ####

下面以同样的方式处理笔记本电脑。笔记本电脑重3磅，没法将其装入1磅或者2磅的背包，因此前两个单元格的最大价值仍然是1500美元。

![img][img 14]

对于容量为3磅的背包，原来的最大价值为1500美元，但现在你可以选择偷窃价值2000美元的笔记本电脑而不是吉他，这样新的最大价值将为2000美元。

![img][img 15]

\*\*对于容量为4磅的背包，情况很有趣。\*\*这是非常重要的部分。当前的最大价值为3000美元，你可不偷音响，而偷笔记本电脑，但它只值2000美元。

![img][img 16]

价值没有原来高，但是等一等，笔记本电脑的重量只有3磅，背包还有1磅的重量没用！

![img][img 17]

在1磅的容量中，可装入的商品的最大价值是多少呢？*你之前计算过。*

![img][img 18]

根据之前计算的最大价值可知，在1磅的容量中可装入吉他，价值1500美元。因此，你需要做如下的比较：

![img][img 19]

你可能始终心存疑惑：为何计算小背包可装入的商品的最大价值呢？但愿你现在明白了其中的原因！\*\*余下了空间时，你可根据这些子问题的答案来确定余下的空间可装入哪些商品。\*\*笔记本电脑和吉他的总价值为3500美元，因此偷它们是更好的选择。

最终的网格类似于下面这样。

![img][img 20]

答案如下：将吉他和笔记本电脑装入背包时价值更高，为3500美元。

你可能认为，计算最后一个单元格的价值时，我使用了不同的公式。那是因为填充之前的单元格时，我故意避开了一些复杂的因素。其实，计算每个单元格的价值时，使用的公式都相同。这个公式如下。

![img][img 21]

你可以使用这个公式来计算每个单元格的价值，最终的网格将与前一个网格相同。现在你明白了为何要求解子问题了吧？你可以合并两个子问题的解来得到更大问题的解。

![img][img 22]

## 代码实现： ##

算法的核心是思想，当清楚了整个过程，那么写代码就简单了，直接来模拟上述的一个过程：

/**
     * @author:我没有三颗心脏
     * @create:2017-11-14-10:24
     */
    public class MaxBag {
        static int n;           // 描述物品个数
        static int c;           // 描述背包容量
        static int[] value;     // 描述物品价值
        static int[] weight;    // 描述物品重量
    
        public static void main(String[] args) {
            // 初始赋值操作
            value = new int[]{1500, 3000, 2000};
            weight = new int[]{1, 4, 3};
            c = 4;
            n = 3;
    
            // 构造最优解的网格:3行4列
            int[][] maxValue = new int[n][c];
            for (int i = 0; i < n; i++) {
                for (int j = 0; j < c; j++) {
                    maxValue[i][j] = 0;
                }
            }   // end for
    
            // 填充网格
            for (int i = 0; i < n; i++) {
                for (int j = 1; j <= c; j++) {
                    if (i == 0) {
                        maxValue[i][j - 1] = (weight[i] <= j ? value[i] : 0);
                    } else {
                        int topValue = maxValue[i - 1][j - 1];  // 上一个网格的值
                        int thisValue = (weight[i] <= j ?       // 当前商品的价值 + 剩余空间的价值
                                (j - weight[i] > 0 ? value[i] + maxValue[i - 1][j - weight[i]] : value[i])
                                : topValue);
    
                        // 返回 topValue和thisValue中较大的一个
                        maxValue[i][j - 1] = (topValue > thisValue ? topValue : thisValue);
                    }   // end if
                }   // end inner for
            }   // end outer for
    
            // 打印结果二维数组maxValue
            for (int i = 0; i < n; i++) {
                for (int j = 0; j < c; j++) {
                    System.out.printf("%6d", maxValue[i][j]);
                }
                System.out.println();
            }
        }
    }

最后打印出来的结果如下：

![img][img 23]

## 再增加一件商品将如何呢 ##

假设你发现还有第四件商品可偷——一个iPhone！*（或许你会毫不犹豫的拿走，但是请别忘了问题的本身是要拿走价值最大的商品）*

![img][img 24]

此时需要重新执行前面所做的计算吗？不需要。别忘了，动态规划逐步计算最大价值。到目前为止，计算出的最大价值如下：

![img][img 25]

这意味着背包容量为4磅时，你最多可偷价值3500美元的商品。但这是以前的情况，下面再添加表示iPhone的行。

![img][img 26]

我们还是从第一个单元格开始。iPhone可装入容量为1磅的背包。之前的最大价值为1500美元，但iPhone价值2000美元，因此该偷iPhone而不是吉他。

![img][img 27]

在下一个单元格中，你可装入iPhone和吉他。

![img][img 28]

对于第三个单元格，也没有比装入iPhone和吉他更好的选择了。

对于最后一个单元格，情况比较有趣。当前的最大价值为3500美元，但你可以偷iPhone，这将余下3磅的容量。

![img][img 29]

3磅容量的最大价值为2000美元！再加上iPhone价值2000美元，总价值为4000美元。新的最大价值诞生了！

最终的网格如下。

![img][img 30]

#### 问题：沿着一列往下走，最大价值可能降低吗？ ####

![img][img 31]

答案是：不可能。因为每次迭代时，你都存储的是当前的最大价值。**最大价值不可能比以前低！**

[0-1]: https://www.cnblogs.com/skying555/p/11119488.html
[img]: /images/20221005/3483a2453fad4856a3010758a4e55f3b.png
[img 1]: /images/20221005/5f9fd6c2c03b422683b93cdcd50b09d3.png
[img 2]: /images/20221005/e0d62e5eaa2c406da3df69ebcf8b6ba1.png
[img 3]: /images/20221005/5eab7e35cd2349d69c3af6f950b94d60.png
[img 4]: /images/20221005/d742d00687284baf89f5efcbb2a76151.png
[img 5]: /images/20221005/d19f4f7984594a5f85c8a2501bcb7337.png
[img 6]: /images/20221005/d9f5b0df9fdd43f7b6c0c9e0d986dce7.png
[img 7]: /images/20221005/c0e96c93c7cd409eb4297bf6b97a98ec.png
[img 8]: /images/20221005/868141a3999346e1b078bbae87d7a336.png
[img 9]: /images/20221005/23b501e7ba3c4e4797337b70b2f15dda.png
[img 10]: /images/20221005/0c59a1de1ae64222a32c21703615931d.png
[img 11]: /images/20221005/4c563d24614041c1b42fa977bb6f5ade.png
[img 12]: /images/20221005/6eec98c3e4734c7dbe8f4ed62b1ca0f5.png
[img 13]: /images/20221005/8038516b721345ccabb5efaf3692406d.png
[img 14]: /images/20221005/424f9beacda54cc0bd0c120362cd2853.png
[img 15]: /images/20221005/2c09b798ae584d7ea56485031e5d5d80.png
[img 16]: /images/20221005/22eb2d199cd04d7eb6880568d3eeaf00.png
[img 17]: /images/20221005/9df8781f4f474a2eb6e9039c82359a15.png
[img 18]: /images/20221005/900358add60549f8bec1ca2a1de8a7ae.png
[img 19]: /images/20221005/a05cd3113c1149c1a80604de79a4efec.png
[img 20]: /images/20221005/983c05dc4e174e9182ac11e2a557dfdc.png
[img 21]: /images/20221005/b8934e5245f04f2f817895c7f460e2b6.png
[img 22]: /images/20221005/78ee496d161f4df0ab1dec5be8a66439.png
[img 23]: /images/20221005/849e18dd84914fafb5a01291ac0531b7.png
[img 24]: /images/20221005/6f1b2b8b2026419297bcf30d518ac3a0.png
[img 25]: /images/20221005/82ec1697b64a4f86b313fca18997ce4c.png
[img 26]: /images/20221005/567878fe779a419a91eaff7cc6ffa3fa.png
[img 27]: /images/20221005/43ef1f8be88b4f2bb788f9014d84970b.png
[img 28]: /images/20221005/8fa4a9522d79469386f1678067cf3f44.png
[img 29]: /images/20221005/2226f0a287ea4290bff88e48cfa5f97a.png
[img 30]: /images/20221005/9797570a12954cb2aa1dbcdc53f115a2.png
[img 31]: /images/20221005/038f82ee8b9743babd349957f905b530.png