01背包动态规划两种解决方案的比较

01背包问题描述：一个旅行者有一个最多能用M公斤的背包，现在有N件物品，

它们的重量分别是W1，W2，...,Wn,

它们的价值分别为P1,P2,...,Pn.

若每种物品只有一件求旅行者能获得最大总价值。

方式一：遍历M*N的数组，对应下图包的总容量M＝20,物品种类数N＝5

代码如下：

const int nRes=5;//5种物品

int nResWeight[nRes+1]={0,5,3,4,7,8};//每种物品对应重量

int nResValue[nRes+1]={0,14,6,9,18,20};//每种物品对应价值

const int nTotleW=20;//背包容量为20

int nValueTable[nRes+1][nTotleW+1]={0};//动态价值表，每一项对应包当前所能装入的最优值int KitBag()

{

for(int i=1;i<=nRes;i++)

for(int j=1;j<=nTotleW;j++)//包容量逐渐递增

{

if(j>=nResWeight[i]) //当包容量大于等于当前物品重时

{//如果装入当前物品所能达最大价值>不装当前物品，包选装前面物品所能获得的最大价值

//装入当前物品所能达最大价值=当前物品价值+当前包容量j扣除当前物品重量后，剩余的容量所能装入的最大价值。

//对照上表，当遍历到i=2,j=8时，nValueTable[i-1][j-nResWeight[i]]=nValueTable[1][5]=14，满足条件就装入物品。

if(nResValue[i]+nValueTable[i-1][j-nResWeight[i]]>nValueTable[i-1][j])

nValueTable[i][j]=nResValue[i]+nValueTable[i-1][j-nResWeight[i]];//当前物品装入包.

else//当前物品不装入包，当前包容量下的最大价值仍然是原来的价值

nValueTable[i][j]=nValueTable[i-1][j];

}

else//包容量不足以装入当前物品时，沿用原来的包容量最大价值

nValueTable[i][j]=nValueTable[i-1][j];

}

cout<<"最大值为："<

return nValueTable[nRes][nTotleW];

};

方式二：采用递归方式，遍历二叉树，并通过映射表来剪枝。

代码如下：

int RecursionBag(int nR,int nW)//传入资源数，包容量

{

if(nR==0||nW==0){

return 0;

}

if(nValueTable[nR][nW]!=0){

//当前节点是已访问过的节点，直接返回存储的最优值

return nValueTable[nR][nW];

}

if(nW>=nResWeight[nR])//包容量大于等于当前物品重

{//获得物品放入和不放入两种情况中的价值最大者

nValueTable[nR][nW]=max(nResValue[nR]+RecursionBag(nR-1,nW-nResWeight[nR]),//物品入包后的价值

RecursionBag(nR-1,nW));//物品不入包的最大价值

}

else//包容量不足以放入当前物品

nValueTable[nR][nW]=RecursionBag(nR-1,nW);

return nValueTable[nR][nW];

}

对比两种方式可知，第二种方式遍历的数据量为黄色标注结点，要小于第一种方式的数据访问量。

不过当节点深度上千后，如果包容量远小2^n，比如为10000,这时前一种方法要快得多。估计这时，递归对访问过的节点虽然不再访问它的子节点，但是这样重复访问到的父节点数量过于庞大。