0-1背包算法是非常经典的一个算法问题,可惜我一直都只会它的递归算法,而非递归算法是今天刚刚学会的,在此记录一下。
定义一个二维数组 maxValues[ ][ ] 用来记录最大价值,maxValues[i][V]表示从前i 件物品中选择物品放入容量为V 的背包可以得到的最大价值。那么就有方程 maxValues[i][V] = max{ maxValues[i-1][V], maxValues[i-1][V-ws[i]] + values[i] } (其中ws[i] 表示第i 个物品所占空间,values[i] 表示第i 个物品的价值),下面来解释下这个方程:
每个物品都只有两种选择:放入背包或不放入。当考虑第i 个物品是否放入的时候,若我们选择放入,则可得到的价值是第i 个物品的价值再加上剩余的空间在i-1个物品中选择时可以得到的最大价值,若选择不放入,得到的价值就是现有空间在i-1个物品中选择时可得到的最大价值,显然,我们要选价值最大的那个。
下面再来优化一下,观察一下二维数组maxValues,则可发现maxValues[i-1][y]只在计算maxValues[i][x] 的时候有用(y<=x),计算完就没用了,所以这个空间我们可以省下来,直接用maxValues[i][x] 覆盖maxValues[i-1][x] 就可以,因此maxValues可以改为一维数组。
下面是0-1背包算法的递归算法代码以及非递归算法代码:
package classic;
import java.util.Scanner;
public class Pacage1 {
private static int[] ws = null;
private static int[] values = null;
private static int W = 0;
private static int items = 0;
public static void main(String[] args) {
Scanner sc = new Scanner(System.in);
W = sc.nextInt();//背包的最大空间
items = sc.nextInt();//总共有多少件物品
ws = new int[items];
values = new int[items];
for(int i=0; i<items; i++){//依次读入每个物品的大小和价值
ws[i] = sc.nextInt();
values[i] = sc.nextInt();
}
int maxValue = maxValue(items-1, W);
System.out.println("最大可装价值为:"+maxValue);
sc.close();
}
private static int maxValue(int curItem, int remainW) {
if(curItem < 0)
return 0;
if(remainW < ws[curItem]){
return maxValue(curItem-1, remainW);//装不下当前的,试试下一个
}
return Math.max(maxValue(curItem-1, remainW),
maxValue(curItem-1, remainW-ws[curItem])+values[curItem]);
}
}
package classic;
import java.util.Scanner;
public class Pacage2 {
private static int[] ws = null;
private static int[] values = null;
private static int W = 0;
private static int items = 0;
public static void main(String[] args) {
Scanner sc = new Scanner(System.in);
W = sc.nextInt();//背包的最大空间
items = sc.nextInt();//总共有多少件物品
ws = new int[items];
values = new int[items];
for(int i=0; i<items; i++){//依次读入每个物品的大小和价值
ws[i] = sc.nextInt();
values[i] = sc.nextInt();
}
int[] maxValues = new int[W+1];
int maxValue = 0;
for(int i=0; i<items; i++){
for(int j=W; j>0; j--){
if(j-ws[i]<0){
break;
}
maxValues[j] = Math.max(maxValues[j], maxValues[j-ws[i]]+values[i]);
if(maxValues[j]>maxValue)
maxValue = maxValues[j];
}
}
System.out.println("最大可装价值为:"+maxValue);
sc.close();
}
}