前端學習演算法2: 揹包問題 ,一步一步思考(動態規劃入門)

Ace7523發表於2019-02-12

前端學習演算法2: 揹包問題 ,一步一步思考(動態規劃入門)
上一篇文章寫了個爬樓梯的問題,沒想到有很多人關注,趁熱打鐵,這次寫揹包問題(初級)。我的學習風格就是一步一步的實現,力求解釋全面,可能會囉嗦。

1 揹包問題

先舉一個很通俗易懂的例子,也是圖解演算法中的例子,有一個只能裝4kg的包,物品有音響3000元-重4kg,吉他1500元-重1kg,電腦2000元-重3kg。問,要想包裡的價值最高,應該怎麼裝?(注意:不考慮 物品的體積,不要想吉他很大放不下。)

1.1 解答

相信這個例子,隨便看一下就可以知道要裝什麼,肯定是裝電腦加吉他。總價值3500塊,又剛好4kg。

1.2 為什麼?

拜託,這麼簡單的題目,看一眼就知道為什麼了。因為其餘的組合情況,不可能比這個價值高的,即使比這個價值高,那也放不下了。很好,這就是最簡單的暴利窮舉演算法了。紅色的情況是超重了,放不下。

前端學習演算法2: 揹包問題 ,一步一步思考(動態規劃入門)

也就是說,物品數目是3的時候,有2^3種情況,然後找到符合條件的,也就是揹包放的下的情況,取出價值最大的組合即可。 那麼假如是4種商品呢,或者5種呢?這種組合情況是不是分別為2^4 2^5種,就很難一眼看出結果了吧,雖然上述邏輯對,但是這種 2^n 指數的量級 ,也未免也太複雜了。

2 動態規劃登場

上一篇動態規劃入門的文章裡有寫過,動態規劃,就是大事化小,小事化了。那麼對於這種型別的題目,要怎麼化繁為簡呢?要怎麼找出有代表性的模型呢?

2.1 我們來思考一下

現有揹包載重量為4kg,這個揹包已經裝了現有情況下價值最高的物品,價值為v1。那麼,在這個情況下,有一個新的物品,這個物品的重量是x kg,價值是v,那麼此時對於這個4kg的包,裝物品的最大值,分幾種情況呢?

  1. 先來看看由於新物品的出現,這個4kg的包要怎麼裝? 太多種情況了,但是要想裝的物品價值總和最大,那麼一定是符合接下來說的這種情況的。這裡我們不用考慮x>4的情況。
  2. 假如要裝這個新物品,那麼裝了後剩餘的載重量為(4-x)kg,假設這個載重量,能裝的物品最大值是v2 ,此時這個4kg的包,所能裝載的物品最大價值就是v+v2
  3. 假如不裝這個新物品,那4kg的包所能裝載物品的最大值還是v1。
  4. 所以此時的4kg包裝物品最大值是v1或者v+v2

2.2 繼續思考

  1. 那4-x有多少種可能呢,1kg 2kg 3kg ,由上述前提,我們已經知道了載重4kg的包能放物品最高價值是v1。而對於1kg 2kg 3kg這種簡單情況所能承載的物品最高價值,也是可以通過上述的方式去推導得出的。

3 複雜一下題目

有一個載重量是10kg 的揹包,有五個物品,a 2kg 6元,b 2kg 3元,c 6kg 5元,d 5kg 4元,e 4kg 6元。問怎麼放物品,價值最高?

根據上面的推導,我來畫一些表格

  1. 首先我們只有a物品,然後1-10kg的包,對於只有a物品的情況,如下:解釋一下表格組成,尤其是最左邊一列,代表著依次新有的物品,上面一行是承載量不同的揹包值,剩餘的是當前承載量下,對應擁有的物品的最高價值。
    前端學習演算法2: 揹包問題 ,一步一步思考(動態規劃入門)
  2. 那麼此時有了b物品(此時共有a b兩個物品可以選擇),想一下上面的推導的結論,填完表格,如下

前端學習演算法2: 揹包問題 ,一步一步思考(動態規劃入門)

結合之前推導的結論,來以2kg那一列說明一下,第一個6元,是隻有a物品時候,那麼此時能放進揹包的最高價值就是6元。當有了b物品可以選擇時,有兩種情況,(1)放進b物品,包的載重量-b物品重量後為0,然後加上b物品價值是3元(2)不放b物品原來價值是6元,取最大,即6元。

  1. 那麼此時有了c物品(此時共有a b c三個物品可以選擇),這裡不做解釋,直接上圖

前端學習演算法2: 揹包問題 ,一步一步思考(動態規劃入門)
4. 依次類推,直接上完整結果。

前端學習演算法2: 揹包問題 ,一步一步思考(動態規劃入門)

隨便抽出1個節點的值來驗證一下吧:

7kg時候,已經從abcd挑選結束,現在要考慮新增e的情況。 那個一直7kg時候,最高價值10元,新增的物品e是4kg,假如放了e,那麼剩餘空間是3kg,由圖可知,在沒有e之前,3kg的包最大能放6元物品。e的價值是6元,所以加起來12元,大於之前的最高值10元,所以對應的左標填值12元

4 程式碼實現

//by 司徒正美
function knapsack(weights, values, W){
    var n = weights.length -1
    var f = [[]]
    for(var j = 0; j <= W; j++){
        if(j < weights[0]){ //如果容量不能放下物品0的重量,那麼價值為0
            f[0][j] = 0
        }else{ //否則等於物體0的價值
            f[0][j] = values[0]
        }
    }
    for(var j = 0; j <= W; j++){
        for(var i = 1; i <= n; i++ ){
            if(!f[i]){ //建立新一行
                f[i] = []
            }
            if(j < weights[i]){ //等於之前的最優值
                f[i][j] = f[i-1][j]
            }else{
                f[i][j] = Math.max(f[i-1][j], f[i-1][j-weights[i]] + values[i]) 
            }
        }
    }
    console.log(f)
    return f[n][W]
}
var a = knapsack([2,2,6,5,4],[6,3,5,4,6],10)
console.log(a)
複製程式碼

最終列印的結果如下

前端學習演算法2: 揹包問題 ,一步一步思考(動態規劃入門)

(希望自己能一直堅持下去吧~~)

參考:

  1. 司徒正美文章 segmentfault.com/a/119000001…
  2. 演算法圖解 動態規劃一章

相關文章