0-1背包使用一維數組
使用滾動數組将空間優化到了2*V,在背包九講中提到了使用一維數組也可以達到同樣的效果,個人認為這也是滾動思想的一種,由于使用一維數組解01背包會被多次用到,完全背包的一種優化實作方式也是使用一維數組,是以我們有必要了解這種方法。
如果隻使用一維數組f[0…v],我們要達到的效果是:第i次循環結束後f[v]中所表示的就是使用二維數組時的f[i][v],即前i個物體面對容量v時的最大價值。我們知道f[v]是由兩個狀态得來的,f[i-1][v]和f[i-1][v-c[i]],使用一維數組時,當第i次循環之前時,f[v]實際上就是f[i-1][v],那麼怎麼得到第二個子問題的值呢?事實上,如果在每次循環中我們以v=v…0的順序推f[v]時,就能保證f[v-c[i]]存儲的是f[i-1][v-c[i]]的狀态。狀态轉移方程為:
1 2 | |
我們可以與二維數組的狀态轉移方程對比一下
1 2 | |
正如我們上面所說,f[v-c[i]]就相當于原來f[i-1][v-c[i]]的狀态。如果将v的循環順序由逆序改為順序的話,就不是01背包了,就變成完全背包了,這個後面說。這裡舉一個例子了解為何順序就不是01背包了
假設有物體z容量2,價值vz很大,背包容量為5,如果v的循環順序不是逆序,那麼外層循環跑到物體z時,内循環在v=2時,物體z被放入背包,當v=4時,尋求最大價值,物體z放入背包,f[4]=max{f[4],f[2]+vz},這裡毫無疑問後者最大,那麼此時f[2]+vz中的f[2]已經裝入了一次物體z,這樣一來該物體被裝入背包兩次了就,不符合要求,如果逆序循環v,這一問題便解決了。
代碼如下,為了加深了解,可以在内循環結束輸出每一個狀态的情況到文本中,會發現與使用二維數組時的狀态轉移矩陣都是一樣一樣的。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 | |
可以看出,使用一維數組,代碼非常簡練。
完全背包問題
問題描述:
有N種物品和一個容量為V的背包,每種物品都有無限件可用。第i種物品的費用是c[i],價值是w[i]。求解将哪些物品裝入背包可使這些物品的費用總和不超過背包容量,且價值總和最大。
基本思路:
這個問題非常類似于01背包問題,所不同的是每種物品有無限件。也就是從每種物品的角度考慮,與它相關的政策已并非取或不取兩種,而是有取0件、取1件、取2件……等很多種。如果仍然按照解01背包時的思路,令f[i][v]表示前i種物品恰放入一個容量為v的背包的最大權值。仍然可以按照每種物品不同的政策寫出狀态轉移方程,像這樣:
f[i][v]=max{f[i-1][v-k*c[i]]+k*w[i]|0<=k*c[i]<=v}
這跟01背包問題一樣有O(N*V)個狀态需要求解,但求解每個狀态的時間已經不是常數了,求解狀态f[i][v]的時間是O(v/c[i]),總的複雜度是超過O(VN)的。
将01背包問題的基本思路加以改進,得到了這樣一個清晰的方法。這說明01背包問題的方程的确是很重要,可以推及其它類型的背包問題。但我們還是試圖改進這個複雜度。
一個簡單有效的優化:
完全背包問題有一個很簡單有效的優化,是這樣的:若兩件物品i、j滿足c[i]<=c[j]且w[i]>=w[j],則将物品j去掉,不用考慮。這個優化的正确性顯然:任何情況下都可将價值小費用高得j換成物美價廉的i,得到至少不會更差的方案。對于随機生成的資料,這個方法往往會大大減少物品的件數,進而加快速度。然而這個并不能改善最壞情況的複雜度,因為有可能特别設計的資料可以一件物品也去不掉。
這個優化可以簡單的O(N^2)地實作,一般都可以承受。另外,針對背包問題而言,比較不錯的一種方法是:首先将費用大于V的物品去掉,然後使用類似計數排序的做法,計算出費用相同的物品中價值最高的是哪個,可以O(V+N)地完成這個優化。這個不太重要的過程就不給出僞代碼了,希望你能獨立思考寫出僞代碼或程式。
轉化為01背包問題求解:
既然01背包問題是最基本的背包問題,那麼我們可以考慮把完全背包問題轉化為01背包問題來解。最簡單的想法是,考慮到第i種物品最多選V/c[i]件,于是可以把第i種物品轉化為V/c[i]件費用及價值均不變的物品,然後求解這個01背包問題。這樣完全沒有改進基本思路的時間複雜度,但這畢竟給了我們将完全背包問題轉化為01背包問題的思路:将一種物品拆成多件物品。
更高效的轉化方法是:把第i種物品拆成費用為c[i]*2^k、價值為w[i]*2^k的若幹件物品,其中k滿足c[i]*2^k<=V。這是二進制的思想,因為不管最優政策選幾件第i種物品,總可以表示成若幹個2^k件物品的和。這樣把每種物品拆成O(log(V/c[i]))件物品,是一個很大的改進。
但我們有更優的O(VN)的算法。
O(VN)的算法:
這個算法使用一維數組,先看代碼段:
1 for ( int i = 1; i <= N; i++)
2 for ( int v = 0; v <= V; v++)
3 f[v] = max(f[v], f[v - c[i]] + w[i]);
你會發現,這段代碼與01背包問題 的代碼隻有v的循環次序不同而已。為什麼這樣一改就可行呢?首先想想為什麼P01中要按照v=V..0的逆序來循環。這是因為要保證第i次循環中的狀态f[i][v]是由狀态f[i-1][v-c[i]]遞推而來。換句話說,這正是為了保證每件物品隻選一次,保證在考慮“選入第i件物品”這件政策時,依據的是一個絕無已經選入第i件物品的子結果f[i-1][v-c[i]]。而現在完全背包的特點恰是每種物品可選無限件,是以在考慮“加選一件第i種物品”這種政策時,卻正需要一個可能已選入第i種物品的子結果f[i][v-c[i]],是以就可以并且必須采用v=0..V的順序循環。這就是這個簡單的程式為何成立的道理。