01背包问题
问题描述
有N件物品和一个容量是V的背包,每件物品只能使用一次
第i件物品的体积是v[i],价值是w[i]
求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大
—————————————————————————————
问题分析
对于0-1背包问题来说,某个状态下的最优解,就是在一定的背包体积装入物品,且总价值最大。关键是总价值最大,如果想要使总价值最大,必须装入物品的体积足够小,且物品的价值大。
首先看上面这张图片:
左边的绿色纵行代表的是第n件物品,上面的蓝灰色横行代表的是第n件物品的体积和价值
右边的黄色横行代表的是背包容量的大小,右边表格里所填为在背包容量为m,装n件物品的最大价值。
接着咱们再来看灰色部分:
在背包容量是4的情况下,要装第3件物品(体积是4,价值是5)
由于背包容量大于物品的体积,所以第三件物品就有装与不装两种情况:
1.装第三件物品:背包会腾出4体积用来装第三件物品,余下1体积,在上一行中找到背包容量为1的情况,由图可知,最大价值为0,所以如果装第三件物品,价值为:0 + 5 = 5
2.不装第三件物品:背包不用腾出体积来装第三件物品,直接在上一行中找到背包容量为4的情况即可,由图可知,价值为3
由上面分析可知:这个位置的最大价值为5
对应到下面的代码就是:
dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - v[i]] + w[i]);
咱们再来看一下蓝色部分:
在背包容量是3的情况下,要装第3件物品(体积是4,价值是5)
由于背包的容量小于物品的体积,所以这个物品是装不下的,直接找到上一行中背包容量是3的情况(为3)填入即可。
对应到下面的代码就是:
dp[i][j] = dp[i - 1][j];
小结:
在将一件物品放入背包时,首先通过比较背包的体积和物品的体积来判断是否能放入
如果可以放入,再选出将这件物品放入和不放入中的最大值填入
如果不可以放入,直接将这件物品不可以放入的值填入
—————————————————————————————
完整代码:
public class Main {
int N; //物品的数量为N
int V; //背包的容量为V
public int bag01(int[] v, int[] w){
int[][] dp = new int[N + 1][V + 1];
for(int i = 1; i <= N; i++){
for(int j = 0; j <= V; j++){
if(j >= v[i]){
dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - v[i]] + w[i]);
}
else{
dp[i][j] = dp[i - 1][j];
}
}
}
return dp[N][V];
}
}
解答一些疑惑:
1.外层循环为什么是从1开始:
因为外层循环的目的是选出每一件物品,从1开始更符合实际情况,通常都是说第1, 2, 3…件物品,没有第0件物品,当然从0开始也是可以的,换成i < N就行了
2.内层循环就是确定背包容量的大小,范围当然是从0~V啦
动态规划就是由上一个状态来推出现在的状态,而上一个状态是在上一个状态下的最优解。同理,对于上一个状态来说,上上一个状态是在上上一个状态下的最优解…所以,在当前状态下的上一个状态是满足条件的最有最优最优最优最优解,咱们的目的,就是根据上一个状态的最优最优最优最优最优解来推出当前状态下的最优解。
在上面分析中的灰色部分(也就是背包容量为4,物品数量为3的情况),上一个状态是物品数量为2的情况,所以是根据物品数量为2来推出物品数量为3的最优解。
咱们最后得出一个结论:目前的状态只与上一个状态有关(也就是物品数量为3只与物品数量为2的情况有关),前面的状态都是无用的
为了优化上面的上面的代码,咱只需一个一维数组记录上一次的状态即可,但是又有问题,对于灰色背景中的5来说,它的状态与红色框所框有关,如果是从背包容量是从前往后遍历的话,就会将上一次状态破坏,所以从后往前遍历,而5与它前面的数据有关,之前的数据都不会被破坏。
上面的小结如下
小结:
在将一件物品放入背包时,首先通过比较背包的体积和物品的体积来判断是否能放入
如果可以放入,再选出将这件物品放入和不放入中的最大值填入
如果不可以放入,直接将这件物品不可以放入的值填入
现在,我们也可以看出其中的问题,那就是不可以放入的情况被判断了两次,所以现在咱只需判断一次就好,啦啦啦啦啦啦啦~
代码如下:
public class Main {
int N; //物品的数量为N
int V; //背包的容量为V
//优化以后的代码
public int betterBag01(int[] v, int[] w){
int[] dp = new int[V + 1];
dp[0] = 0;
for(int i = 1; i <= N; i++){
for(int j = V; j >= v[i]; j--){
dp[j] = Math.max(dp[j], dp[j - v[i]] + w[i]);
}
}
return dp[V];
}
}
之后还会跟新很多有关动态规划方面的文章
求求各位大爷们来个一键三连再走😘
谢过各位大爷了(ง •_•)ง