背包问题--不解的知识

问题一:
01背包一维数组为什么体积的循环式逆序的?
解: w
  先考虑上面讲的基本思路如何实现,肯定是有一个主循环i=1..N,每次算出来二维数组f[i][0..V]的所有值。那么,如果只用一个数组f [0..V],能不能保证第i次循环结束后f[v]中表示的就是我们定义的状态f[i][v]呢?f[i][v]是由f[i-1][v]f[i-1][v-w[i]]两个子问题递推而来,能否保证在推f[i][v]时(也即在第i次主循环中推f[v]时)能够得到f[i-1][v]f[i-1][v-w[i]]的值呢?事实上,这要求在每次主循环中我们以v=V..0的逆序推f[v],这样才能保证推f[v]f[v-w[i]]保存的是状态f[i-1][v-w[i]]的值。
w伪代码如下:
w  for i=1..N
w   for v=V..0
w     f[v]=max{f[v],f[v-w[i]]+c[i]};
w
w  其中f[v]=max{f[v],f[v-w[i]]+c[i]}相当于转移方程f[i][v]=max{f[i-1][v],f[i-1][v-w[i]]+c[i]},因为现在的f[v-w[i]]就相当于原来的f[i-1][v-w[i]]。如果将v的循环顺序从上面的逆序改成顺序的话,那么则成了f[i][v]f[i][v-w[i]]推知,与本题意不符,但它却是另一个重要的完全背包问题最简捷的解决方案,故学习只用一维数组解01背包问题是十分必要的。
问题二:
完全背包的简单优化
解:
一个简单有效的优化
       完全背包问题有一个很简单有效的优化,是这样的:若两件物品ij满足w[i]<=w[j]c[i]>=c[j],则将物品j去掉,不用考虑。这个优化的正确性显然:任何情况下都可将价值小费用高的j换成物美价廉的i,得到至少不会更差的方案。对于随机生成的数据,这个方法往往会大大减少物品的件数,从而加快速度。然而这个并不能改善最坏情况的复杂度,因为有可能特别设计的数据可以一件物品也去不掉。
问题三:
完全背包转化为01背包求解:
解:
把第i种物品拆成费用为w[i]*2^k、价值为c[i]*2^k的若干件物品,其中k满足w[i]*2^k这是二进制的思想,因为不管最优策略选几件第i种物品,总可以表示成若干个2^k物品的和。这样把每种物品拆成O(log(V/w[i])+1)件物品,是一个很大的改进。
问题四:
计算多重背包的两种方法
解:
  1.再加上一个循环:当前的物品数目:
     这题目和完全背包问题很类似。基本的方程只需将完全背包问题的方程略微一改即可,因为对于第i种物品有n[i]+1种策略:取0件,取1……n[i]件。令f[i][v]表示前i种物品恰放入一个容量为v的背包的最大权值,则:f[i][v]=max{f[i-1][v-k*w[i]]+ k*c[i]|0<=k<=n[i]}。复杂度是O(V*n[i])。把k设为一个循环就可以了
  2.转化为01背包问题 
     另一种好想好写的基本方法是转化为01背包求解:把第i种物品换成n[i]01背包中的物品,则得到了物品数为∑n[i]01背包问题,直接求解,复杂度仍然是O(V*n[i])
     但是我们期望将它转化为01背包问题之后能够像完全背包一样降低复杂度。仍然考虑二进制的思想,我们考虑把第i种物品换成若干件物品,使得原问题中第i种物品可取的每种策略——0..n[i]——均能等价于取若干件代换以后的物品。另外,取超过n[i]件的策略必不能出现。
    方法是:将第i种物品分成若干件物品,其中每件物品有一个系数,这件物品的费用和价值均是原来的费用和价值乘以这个系数。使这些系数分别为 1,2,4,...,2^(k-1),n[i]-2^k+1,且k是满足n[i]-2^k+1>0的最大整数(注意:这些系数已经可以组合出1~n[i]内的所有数字)。例如,如果n[i]13,就将这种物品分成系数分别为1,2,4,6四件物品。
     分成的这几件物品的系数和为n[i],表明不可能取多于n[i]件的第i种物品。另外这种方法也能保证对于0..n[i]间的每一个整数,均可以用若干个系数的和表示,这个证明可以分0..2^k-12^k..n[i]两段来分别讨论得出,并不难,希望你自己思考尝试一下。
     这样就将第i种物品分成了O(logn[i])种物品,将原问题转化为了复杂度为O(V*logn[i])01背包问题,是很大的改进。
问题四:
混合三种背包问题
问题
   如果将01背包、完全背包、多重背包混合起来。也就是说,有的物品只可以取一次(01背包),有的物品可以取无限次(完全背包),有的物品可以取的次数有一个上限(多重背包)。应该怎么求解呢?
01背包与完全背包的混合
  考虑到在01背包和完全背包中最后给出的伪代码只有一处不同,故如果只有两类物品:一类物品只能取一次,另一类物品可以取无限次,那么只需在对每个物品应用转移方程时,根据物品的类别选用顺序或逆序的循环即可,复杂度是O(VN)
伪代码如下:
for i=1..N
 if i件物品是01背包
  for v=V..0
   f[v]=max{f[v],f[v-w[i]]+c[i]};
 else if i件物品是完全背包
  for v=0..V
   f[v]=max{f[v],f[v-w[i]]+c[i]};
再加上多重背包
  如果再加上有的物品最多可以取有限次,那么原则上也可以给出O(VN)的解法:遇到多重背包类型的物品用单调队列解即可。但如果不考虑超过NOIP范围的算法的话,用多重背包中将每个这类物品分成O(log n[i])01背包的物品的方法也已经很优了。
问题五:
二维费用的背包问题
问题
  二维费用的背包问题是指:对于每件物品,具有两种不同的费用;选择这件物品必须同时付出这两种代价;对于每种代价都有一个可付出的最大值(背包容量)。问怎样选择物品可以得到最大的价值。设这两种代价分别为代价1和代价2i件物品所需的两种代价分别为a[i]b[i]。两种代价可付出的最大值(两种背包容量)分别为VU。物品的价值为c[i]
算法
  费用加了一维,只需状态也加一维即可。设f[i][v][u]表示前i件物品付出两种代价分别为vu时可获得的最大价值。
 状态转移方程就是:f [i][v][u]=max{f[i-1][v][u],f[i-1][v-a[i]][u-b[i]]+c[i]}。如前述方法,可以只使用二维的数组:当每件物品只可以取一次时变量vu采用逆序的循环,当物品有如完全背包问题时采用顺序的循环。当物品有如多重背包问题时拆分物品。
问题六:
物品总个数的限制 (就是二维费用的变化)
 有时,二维费用的条件是以这样一种隐含的方式给出的:所有物品中,最多只能取M件物品。这事实上相当于每件物品多了一种件数的费用,每个物品的件数费用均为1可以付出的最大件数费用为M。换句话说,设f[v][m]表示付出费用v、最多选m件时可得到的最大价值,则根据物品的类型(01、完全、多重)用不同的方法循环更新,最后在f[0..V][0..M]范围内寻找答案。
另外,如果要求恰取M件物品,则在f[0..V][M]范围内寻找答案
问题七:
事实上,当发现由熟悉的动态规划题目变形得来的题目时,在原来的状态中加一维以满足新的限制是一种比较通用的方法。
问题八:
分组的背包问题循环的顺序嵌套问题(注意:可以对每组中的物品应用完全背包中一个简单有效的优化):
  这个问题变成了每组物品有若干种策略:是选择本组的某一件,还是一件都不选。也就是说设f[k][v]表示前k组物品花费费用v能取得的最大权值,则有f[k][v]=max{f[k-1][v]f[k-1][v-w[i]]+c[i]|物品i属于第k}
使用一维数组的伪代码如下:
for 所有的组k
    for v=V..0
        for 所有的i属于组k
      f[v]=max{f[v],f[v-w[i]]+c[i]}
 注意这里的三层循环的顺序,for v=V..0这一层循环必须在for 所有的i属于组k之外。这样才能保证每一组内的物品最多只有一个会被添加到背包中。
  循环这样嵌套的原因:
    如果体积在循环元素的外面,那么对于当前的体积,当前的集合中只有小于等于1个物品可以更新成功。
    如果集合元素循环在体积外面,那么就是用当前物品更新所有体积,那么每个体积可能被多个物品更新成功,就不是放一个物品了。
问题九
有依赖的背包问题 
w更一般的问题是:依赖关系以图论中森林的形式给出(森林即多叉树的集合),也就是说,主件的附件仍然可以具有自己的附件集合,限制只是每个物品最多只依赖于一个物品(只有一个主件)且不出现循环依赖。
w       解决这个问题仍然可以用将每个主件及其附件集合转化为物品组的方式。唯一不同的是,由于附件可能还有附件,就不能将每个附件都看作一个一般的01 背包中的物品了。若这个附件也有附件集合,则它必定要被先转化为物品组,然后用分组的背包问题解出主件及其附件集合所对应的附件组中各个费用的附件所对应的价值。
w       事实上,这是一种树形DP,其特点是每个父节点都需要对它的各个儿子的属性进行一次DP以求得自己的相关属性。这已经触及到了泛化物品的思想。看完后,你会发现这个依赖关系树每一个子树都等价于一件泛化物品,求某节点为根的子树对应的泛化物品相当于求其所有儿子的对应的泛化物品之和。
问题十:
 
背包问题的方案总数
w        对于一个给定了背包容量、物品费用、物品间相互关系(分组、依赖等)的背包问题,除了再给定每个物品的价值后求可得到的最大价值外,还可以得到装满背包或将背包装至某一指定容量的方案总数。
w  对于这类改变问法的问题,一般只需将状态转移方程中的max改成sum即可。例如若每件物品均是01背包中的物品,转移方程即为f[i][v]=sum{f[i-1][v],f[i-1][v-w[i]]+c[i]},初始条件f[0][0]=1
w  事实上,这样做可行的原因在于状态转移方程已经考察了所有可能的背包组成方案
原文地址:https://www.cnblogs.com/c1299401227/p/5370693.html