javaScript 实现动态规划 (Dynamic Programming)01 背包问题
前言
动态规划(Dynamic Programming,DP)是运筹学的一个分支,是求解决策过程最优化的过程。
问题描述
01 背包问题是一个经典的算法问题,简单来说就是一个包要装许多水果,水果有体积和大小两个属性,怎么把包装满价值最大(最值钱)。专业描述问题:有 N 件物品和一个容量为 v 的背包,第 i 件物品的体积是 c[i],价值是 w[i],求将那些物品怎么装进背包使价值总和最大。注意:物品只能取一次或者不取,不能多次获取
原理
枚举第 i 个物品,选还是不选
选:容量减少了 w[i]
不选:剩余容量不变
然后需要考虑在剩余容量为 c 的情况下,从前 i 个物品中能得到的最大价值和。
不选:在剩余容量为 c 时,从前 i-1 个物品中获得最大价值和
选:在剩余容量为 c-w[i]的时候,从前 i-1 个物品中获取最大价值和最终取两者的最大值
案例
背包的最大容量为 6,其他物品信息如下:
根据背包容量从 0-6 以及物品,初始化表格。
表格中的单元格代表的是什么意思呢?以图中为例:第 2 行第 4 列的单元格表示背包容量最大为 3 的情况下,对前 2 类物品进行选择,使得背包的价值为最大值。第 i 行第 j 列的单元格 表示背包容量最大为 j 的情况下,对前 i 类物品进行选择,能使得背包的价值为最大值。每个单元格都是当前条件下的最优解,表格的右下角的单元格就是最优解。
第 0 行在任何容量体积下,没有任何物品,所以都为 0,即前 0 个物品装进背包的价值都为 0 。对于第 0 列来说,因为背包容量为 0,所以任何物品都不能装进背包,所以价值都为 0,即第 0 列数据都为 0。虽然是第 0 行第 0 列,但是都是在各自限制条件下的最优解。
分析第一行第一列的单元格在背包容量最大为 1 的条件下,对前一种物品取舍选择后获得的最大价值。在考虑单元格的时候需要进行判断:新纳入考量的物品是否超过背包的总容量。第一行第一列这里新纳入的物品为葡萄,葡萄的体积(2)大于背包体积(1),所以放不进去。我们已经计算出不考虑葡萄时候,最大价值为 0 ,此时我们的最优解继承自其上方单元格也就是(0,1)的值
分析第一行第二列的单元格在背包容量最大为 2 的条件下,对前一种物品取舍选择后获得的最大价值。此时物体体积等于背包体积,此时不能继承上方单元格的值,也就是不能继承(0,2)的数据。此时需要比较两种数据的大小:
不考虑新纳入物品(也就是说不考虑此时葡萄获得的最优解),这个最优解为上方单元格的最优解(第 0 个物品在背包体积为 2 的情况的最优解:0)
背包容量为 2 的情况下,对前一种物品取舍选择后获得的最大价值,此时刚好可以放进背包,那么问题就变成了背包容量为 0 的情况下对前一种物品取舍选择后获得的最大价值 + 当前物品的价值(此时为葡萄🍇)。变成了背包容量为 0 的情况是通过当前背包容量(2) - 此时物品容量(2) = 0。
然后比较两者大小,取最大值
分析其他单元格与上面类似,最终得到右下方单元格的值(最优解)最终计算完得到以下结果
版权声明: 本文为 InfoQ 作者【不叫猫先生】的原创文章。
原文链接:【http://xie.infoq.cn/article/d2e163807ffa59cbd1c494b10】。文章转载请联系作者。
评论