背包DP是动态规划(Dynamic Programming,简称DP)中的一种问题类型,它主要解决的是给定一个有体积限制的背包和一系列物品,每个物品有各自的体积和价值,要求选择物品放入背包中,使得背包内物品的总价值最大或满足其他特定限制条件。
背包DP问题的关键在于利用已处理子问题的结论进行下一步递推,避免重复计算。常见的背包DP类型包括01背包(每种物品只能选择一次)、完全背包(每种物品可以无限制数量选择)等。
在解决背包DP问题时,通常需要定义一个二维数组来记录状态,其中一维表示考虑前多少个物品,另一维表示当前背包的容量。然后根据问题的具体要求,通过状态转移方程来逐步求解最终答案。
背包DP问题具有广泛的应用,不仅可以用于解决传统的组合优化问题,还可以扩展到其他领域,如资源分配、任务调度等。通过学习和掌握背包DP问题的解决方法,可以提高解决复杂问题的能力。
1. 01背包问题
问题描述:给定一个固定容量的背包和一些物品,每种物品都有自己的重量和价值。在不超过背包容量的前提下,如何选择物品放入背包,使得背包内物品的总价值最大?每种物品只有一个,可以选择放或不放。
public class ZeroOneKnapsack {
public static int knapsack(int W, int wt[], int val[], int n) {
int i, w;
int K[][] = new int[n+1][W+1];
// Build table K[][] in bottom up manner
for (i = 0; i <= n; i++) {
for (w = 0; w <= W; w++) {
if (i == 0 || w == 0)
K[i][w] = 0;
else if (wt[i-1] <= w)
K[i][w] = Math.max(val[i-1] + K[i-1][w-wt[i-1]], K[i-1][w]);
else
K[i][w] = K[i-1][w];
}
}
return K[n][W];
}
public static void main(String args[]) {
int val[] = new int[]{60, 100, 120};
int wt[] = new int[]{10, 20, 30};
int W = 50;
int n = val.length;
System.out.println(knapsack(W, wt, val, n));
}
}
. 完全背包问题
问题描述:与01背包问题类似,但每种物品都有无限个,可以选择放多个。
Java实现:
public class CompleteKnapsack {
public static int knapsack(int W, int wt[], int val[], int n) {
int i, w;
int K[][] = new int[n+1][W+1];
// Build table K[][] in bottom up manner
for (i = 0; i <= n; i++) {
for (w = 0; w <= W; w++) {
if (i == 0 || w == 0)
K[i][w] = 0;
else if (wt[i-1] <= w)
K[i][w] = Math.max(val[i-1] + K[i][w-wt[i-1]], K[i-1][w]);
else
K[i][w] = K[i-1][w];
}
}
return K[n][W];
}
public static void main(String args[]) {
int val[] = new int[]{60, 100, 120};
int wt[] = new int[]{10, 20, 30};
int W = 50;
int n = val.length;
System.out.println(knapsack(W, wt, val, n));
}
}
注意:完全背包问题和01背包问题在Java实现上看起来是相同的,这是因为它们的状态转移方程是相同的。但请注意,在实际应用中,有些完全背包问题可能会通过一维数组来优化空间复杂度,而01背包问题则通常保持二维数组的形式。