代码功能
在不超过给定背包容量(capacity)的前提下,从一系列具有特定重量(weights)和价值(values)的物品中选择若干物品,使得这些物品的总价值最大化。
类定义:定义了一个名为Knapsack的公共类。
主方法:main方法定义了一系列物品的重量和价值,以及背包的最大容量,并调用knapsack方法来计算并打印出背包能装的最大价值。
knapsack方法:
参数:接受物品的重量数组weights、物品的价值数组values和背包的最大容量capacity作为参数。
初始化:定义物品数量n,并根据物品数量和背包容量创建一个二维数组dp。数组dp用于存储动态规划的中间结果。
填充dp表:通过嵌套循环遍历所有物品和可能的背包容量,填充dp数组:
如果当前物品的重量小于等于当前背包容量,则比较不放入当前物品和放入当前物品所能获得的最大价值,并取较大值。
如果当前物品的重量大于当前背包容量,则当前物品不能放入背包,因此当前的最大价值等于不考虑该物品时的最大价值。
返回结果:在完成dp数组的填充后,dp[n][capacity]将包含考虑所有物品且背包容量为最大时的最大价值,该方法返回这个值。
输出结果:在main方法中,调用knapsack方法的结果被打印出来,显示背包能装的最大价值。
代码
public class Knapsack {
// 动态规划解决0-1背包问题
public static int knapsack(int[] weights, int[] values, int capacity) {
int n = weights.length; // 物品数量
int[][] dp = new int[n + 1][capacity + 1];
// 构建dp表
for (int i = 1; i <= n; i++) {
for (int w = 1; w <= capacity; w++) {
if (weights[i - 1] <= w) {
// 如果当前物品可以装进背包,选择价值最大的
dp[i][w] = Math.max(dp[i - 1][w], dp[i - 1][w - weights[i - 1]] + values[i - 1]);
} else {
// 如果当前物品不能装进背包,继承上一个状态
dp[i][w] = dp[i - 1][w];
}
}
}
// 返回最大价值
return dp[n][capacity];
}
public static void main(String[] args) {
int[] weights = {2, 3, 4, 5}; // 物品的重量
int[] values = {3, 4, 5, 6}; // 物品的价值
int capacity = 8; // 背包的容量
int maxValue = knapsack(weights, values, capacity);
System.out.println("背包能装的最大价值是: " + maxValue);
}
}