揹包問題——(貪心法)
阿新 • • 發佈:2019-01-26
【問題】 給定n個物品和一個容量為C的揹包,物品i的重量為wi,其價值為vi,揹包問題是如何選擇裝入揹包的物品,使得裝入揹包中物品的總價值最大。注意和0/1揹包的區別,在揹包問題中,可以將某種物品的一部分裝入揹包中,但不可以重複裝入。
【想法】每次裝入單位價值最大的物品。物品重量放在陣列w[n]中,價值存放在陣列v[n]中,問題的解存放在陣列x[n]中,簡單起見,假設物品已按單位重量降序排列。貪心法求解揹包問題的演算法如下。
#include <iostream> using namespace std; const int n = 3; int KnapSack(int w[ ], int v[ ], int n, int C); int main( ) { int w[n] = {10, 30, 20}, v[n] = {50, 120, 60}; int C = 50; int value = KnapSack(w, v, 3, C); cout<<"揹包獲得的最大價值是:"<<value<<endl; return 0; } int KnapSack(int w[ ], int v[ ], int n, int C) { double x[10] = {0}; //物品可部分裝入 int maxValue = 0; for (int i = 0; w[i] < C; i++) { x[i] = 1; //將物品i裝入揹包 maxValue += v[i]; C = C - w[i]; //揹包剩餘容量 } x[i] = (double)C/w[i]; //物品i裝入一部分 maxValue += x[i] * v[i]; return maxValue; //返回揹包獲得的價值 }
【總結】揹包問題與0/1揹包類似,所不同的是在選擇物品裝入揹包時,可以選擇一部分,而不一定要全部裝入揹包。揹包問題可以用貪心法求解,而0/1揹包卻不能用貪心法求 解。對於0/1揹包問題,用貪心法之所以不能求得最優解,是由於物品不允許分割,因此,無法保證最終能將揹包裝滿,部分閒置的揹包容量使揹包的單位價值降低了。0/1揹包問題適合用動態規劃法求解。