01背包问题初探

题目：
背包容量为12，有物品1，2可供选择

求在背包中装入价值最大的解决方案。

2019/2/27
补充：背包问题分为9类，上面的问题严格来说属于完全背包问题，有特殊解法，参考https://www.cnblogs.com/jbelial/articles/2116074.html。
使用完全背包问题的解法后面附上。

思路：

• 5个物品1可等价为5个物品，2个物品2可以等价为2个物品，这样一共有7个物品，转换为7个物品的0-1背包问题。
• 对于第i个物品，背包问题的基本递推公式如下：
  1. Wi>W，装不下了，则M(i, W)=M(i-1, W)；
  2. Wi<=W，那么选择装或者不装，则M(i, W)=max{M(i-1, W) , M(i-1, W-Wi)+Vi}。
• 装第i个物品的价值由第i-1个物品有关，因此可以想到递归；同时，也可以选择将前i-1个物品的状态保存，使用动态规划。

结果：
max_val:17
num1:3, num2:2

由于本题目只有两类物品，枚举当然也是合适的，但是如果物品种类数t>=3，那么时间复杂度肯定是无法接受的。

def func1(x1,x2,space):
	max_val,num1,num2=0,[],[]
	for i in range(x1[2]+1):
		for j in range(x2[2]+1):
			if i*x1[0]+j*x2[0]<=space:
				if i*x1[1]+j*x2[1]>max_val:
					num1,num2=[i],[j]
					max_val=i*x1[1]+j*x2[1]
				elif i*x1[1]+j*x2[1]==max_val:
					num1.append(i)
					num2.append(j)
					max_val=i*x1[1]+j*x2[1]
	print('max_val:%d'%max_val)
	for i in range(len(num1)):
		print('num1:%d, num2:%d'%(num1[i],num2[i]))
x1=[2,3,5]
x2=[3,4,2]
space=12
func1(x1,x2,space)

注：物品种类数为n，数量分别为t1,t2,…,tn，使用枚举需要的时间复杂度O (${\prod }_{i=1}^n{t}_i$)，空间复杂度O (1).

递归：按照树深度搜索从上到下遍历
由于题目的物品数量比较多，不便画图，这里采取一个物品数量更少的01背包问题来解释思路。
背包容量为5，有物品1，2，3，4可供选择

用w(w,v)状态变量表示选择第i个物品时的剩余空间和当前总价值。如下图，选择左子树表示选择放入当前物品，选择右子树表示不放入当前物品。

由图可以看出，选择物品1，2，4或者物品1，3可同时达到最大价值7；因此要求最大价值，实际上就是返回叶子节点中的最大值以及对应的搜索路径。

def func2(info, w):
	max_val,state=bag_01(info,w)
	num=set()
	for clue in state:
		count_a,count_b=0,0
		for i in range(len(clue)):
			if clue[i]>0:
				if i<5:
					count_a+=1  
				else:
					count_b=count_b+1
		num.add((count_a,count_b))

	print('max_val:%d'%max_val)
	for elem in num:
		print('num1:%d, num2:%d'%(elem[0],elem[1]))


def bag_01(info,w):
	if info==[] or w[0]<info[0][0]:
		return w[1],[[]]
	x0,state0=bag_01(info[1:],w)
	x1,state1=bag_01(info[1:],[w[0]-info[0][0],w[1]+info[0][1]])
	if x0>x1:
		for clue in state0:
			clue.insert(0,0)
		return x0,state0
	elif x0<x1:
		for clue in state1:
			clue.insert(0,1)
		return x1,state1
	else:
		for clue in state0:
			clue.insert(0,0)
		for clue in state1:
			clue.insert(0,1)
		state0.extend(state1)
		return x0, state0
info=[[2,3] for i in range(5)]+[[3,4] for i in range(2)]
w=[12,0]
func2(info, w)

注：此方法中func中的两层遍历是为了将每个“单独的物品”还原到原来的两类物品。此方法时间复杂度 O (log(${\sum }_{i=1}^n{t}_i$）)，空间复杂度O ($lo{g}^2$(${\sum }_{i=1}^n{t}_i$）).

动态规划:
动态规划求解背包问题变成了一个填表问题，仍然以递归算法中的背包问题为例：

其中物品0和给与空间0只是为了递推的时候更方便，简化边界条件判断。

下面对表格的填写进行分析

• 表格的每一行表示分别给与第i个物品0，1，2，3，4，5的空间，选择放入第i个物品与否，达到的最大价值W(i,j);
• 第i个物品在空间给与空间为j时，如果w(i)>j，则W(i,j)=W(i-1,j)；否则，W(i,j)=max{ v(i)+W(i-1, j-w(i)), W(i-1,j) }；
• 例如：对于物品1，在给与空间为0，1时，放不下，则最大价值为W(i-1,j)=0，在给与空间为2时，W(1,2)=max{ v(1)+W(0,0), W(0,2)}=max{3,0}=3，给与空间为3，4，5时W=3;对于物品2，给与空间为0，1，2，3，4，5时对应的最大价值分别为0，2，3，5，5，5。

于是表格填写完也就找到了最大价值

但是如何找到具体怎么选择物品呢？
表格中存在答案。

表格是很有规律的，

• 最大价值必定在表格最右下角；
• 对于每个物品选择与否，取决于对应的状态变量w(w,v)是否存在。

分析：用（x,y)i表示对于物品i的（给与空间，最大价值），对于物品4，(5,7)4，如果选择物品4，那么对于物品3，(3,5)3，如果不选择物品4，则对于物品3，(5,7)3。可以发现在物品3中，第3列最大价值为5，第5列最大价值为7，说明这两种都是合理的。于是从表的最后一行逐层往上反推便可以得到分配方案，递归便可以解决这个问题。

def func3(info,space):	
	info=[[0,0]]+info
	w=[[0 for i in range(space+1)] for j in range(len(info))]
	find_maxval(w, info)
	max_val=w[-1][-1]
	state=find_state(w, info, len(w)-1, len(w[0])-1)
	num=set()
	for clue in state:
		count_a,count_b=0,0
		for i in range(len(clue)):
			if clue[i]>0:
				if i<5:
					count_a+=1  
				else:
					count_b=count_b+1
		num.add((count_a,count_b))
	print('max_val:%d'%max_val)
	for elem in num:
		print('num1:%d, num2:%d'%(elem[0],elem[1]))

def find_maxval(w, info):
	for i in range(1,len(w)):
		for j in range(1,len(w[0])):
			if info[i][0]>j:
				w[i][j]=w[i-1][j]
			else:
				w[i][j]=max(w[i-1][j], w[i-1][j-info[i][0]]+info[i][1])
def find_state(w,info,row,col):
	if row==0:
		return [[]]
	
	if w[row-1][col]>w[row-1][col-info[row][0]]+info[row][1] or \
		info[row][0]>col:
		clue=find_state(w,info,row-1,col)
		for elem in clue:
			elem.append(0)
		return clue
	elif w[row-1][col]<w[row-1][col-info[row][0]]+info[row][1]:
		clue=find_state(w,info,row-1,col-info[row][0])
		for elem in clue:
			elem.append(1)
		return clue	
	else:
		clue0=find_state(w,info,row-1,col)
		clue1=find_state(w,info,row-1,col-info[row][0])
		for elem in clue0:
			elem.append(0)
		for elem in clue1:
			elem.append(1)
		return clue0+clue1
	
info=[[2,3] for i in range(5)]+[[3,4] for i in range(2)]
space=12
func3(info,space)