Введение. 
Динамическое программирование. 
Задача о загрузке

Классическая задача о рюкзаке (о загрузке) известна очень давно, ниже приведена ее формализация. Пусть есть N разных предметов, каждый предмет имеет вес wi и полезность pi, так же имеется максимальный вес W, который можно положить в рюкзак. Требуется собрать такой набор предметов P, чтобы полезность их была наибольшей, а суммарный вес не превышал W. Конечно, никто не собирается писать программу, чтобы наилучшим образом загрузить рюкзак, отправляясь в поход или в путешествие, тут все слишком просто, и никто не задумывается об этом, но существует и более широкое применение.

Задача о загрузке (задача о рюкзаке) и различные её модификации широко применяются на практике в прикладной математике, криптографии, экономике, логистике, для нахождения решения оптимальной загрузки различных транспортных средств: самолетов, кораблей, железнодорожных вагонов и т. д.

Рассматриваемая нами задача является NP — полной, то есть для нее не существует полиномиального алгоритма, решающего её за разумное время, в этом и есть проблема. Либо мы выбираем быстрый алгоритм, но он как известно не всегда решает задачу наилучшим образом, либо выбираем точный, который опять же не является работоспособным для больших значений. Существует несколько модификаций задачи.

• 1) Каждый предмет можно брать только один раз.
• 2) Каждый предмет можно брать сколько угодно раз.
• 3) Каждый предмет можно брать определенное количество раз
• 4) На размер рюкзака имеется несколько ограничений.
• 5) Некоторые вещи имею больший приоритет, чем другие

Цель данной работы — описать метод задачи о загрузке методом динамического программирования.

Основной задачей курсового проектирования является реализовать алгоритм решения классической задачи о рюкзаке методом динамического программирования.

Постановка задачи о рюкзаке.

Задача о ранце — одна из задач комбинаторной оптимизации. Классическая задача о ранце известна очень давно. Вот её постановка: Имеется набор из N предметов, каждый предмет имеет массу Wi и полезность Vi, i=(1,2.N), требуется собрать набор с максимальной полезностью таким образом, чтобы он имел вес не больше W, где W — вместимость ранца. Традиционно полагают что Wi, Vi, W, P — целые неотрицательные числа, но встречаются и другие постановки, условия в которых могут отличаться. Возможны следующие вариации задачи:

Каждый предмет можно брать только один раз. Формализуем.

Пусть задано конечное множество предметов, для каждого, определена стоимость pi и вес wi, тогда нужно максимизировать.

при ограничениях.

где W-вместимость ранца, а xi=1, если предмет взят для загрузки и xi=0 если не взят. Если на размер рюкзака имеется только одно ограничение, то задача называется одномерной, в противном случае — многомерной.

Каждый предмет можно брать m раз. Формализация аналогична, разница лишь в том, что xi принимает значения на интервале (0.m).

Каждый предмет можно брать неограниченное количество раз. Очевидно, что xi лежит в диапазоне (0. W/wi]) квадратные скобочки означают целую часть числа.

Если же значения весов и цен предметов не целые числа, такая задача будет называться непрерывной задачей о рюкзаке, если же числа целые, то соответственно дискретной. Например, если мы имеем дело с золотыми слитками, мы не можем их делить — это дискретная задача, а если с золотым песком, то это непрерывная задача о рюкзаке.

NP — полнота задачи.

Большинство используемых алгоритмов имеют полиномиальное время работы, если размер входных данных — n, то время их работы в худшем случае оценивается как.

где k это константа. Но встречаются задачи, которые нельзя разрешить за полиномиальное время. Это класс NP — полных задач. Некоторые задачи этого класса на первый взгляд аналогичны задачам разрешимым за полиномиальное время, но это далеко не так. Задача называется NP — полной, если для нее не существует полиномиального алгоритма. Алгоритм называется полиномиальным, если его сложность O (N) в худшем случае ограничена сверху некоторым многочленом (полиномом) от N. Такие задачи возникают очень часто в различных областях: в булевой логике, в теории графов, теории множеств, кодировании информации, в алгебре, в биологии, физике, экономике, теории автоматов и языков. Считается что NP — полные задачи очень трудноразрешимы, а так же, что если хотя бы для одной из них удастся найти полиномиальный алгоритм, то такой алгоритм будет существовать для любой задачи из этого класса.

Над поиском полиномиальных алгоритмов к таким задачам трудились многие ученые, и все же и все же при таком разнообразии NP — полных задач, ни для одной из них до сих пор не найдено полиномиального алгоритма.

Из всего вышесказанного следует, что если известна NP — полнота задачи, то лучше потратить время на построение приближенного алгоритма, чем пытаться построить полиномиальный, или же, если это позволяют условия, использовать алгоритмы с экспоненциальной сложностью работы.