动态规划——背包问题

0-1背包问题

0-1背包问题就是给定一个背包的容量N，物品1，2…X：每个物品都有对应的重量w1,w2,…wx和对应的价值val1,val2…valx.。要求用背包装物品，使背包所装物品的价值最大，并且不超过容量，求能装的最大价值是多少。0-1背包问题就是每个物品只能装一次。
采用动态规划的方法解决这个问题时首先需要建立一个状态矩阵v[i][j]来存储装入物品的状态；i表示存入第几个物品，j表示当前的背包容量。
如果当前待存入的物品重量大于背包容量，就将当前的状态值设置为存入上一个物品的状态值；如果当前待存入的物品重量小于等于背包容量，要判断，存入当前物品价值+存入上一个物品背包重量为当前重量减去当前重量的值 和 存入上一个物品的状态值 大小，将大的存入此刻状态。

import java.util.Arrays;

public class Knapsack {
    public static void main(String[] args) {
        int[] val={1500,3000,2000}; // 物品价值
        int[] w = {1,4,3}; //物品重量
        int n = 7;  //背包容量
        int[][] v =new int[val.length+1][n+1];  //状态矩阵
        knapsack(v,val,w);
    }
    /**
     * 
      * @param v 状态矩阵
     * @param val  物品价值矩阵
     * @param w  物品重量矩阵
     */
    public static void knapsack(int[][] v,int[] val,int[] w){
        for(int i=0;i<v.length;i++){
            v[i][0]=0;
        }
        for (int i=0;i<v[0].length;i++){
            v[0][i]=0;
        }
        //从第一个物品开始
        for(int i=1;i<v.length;i++){ //i代表第几个物品
            for (int j=1;j<v[0].length;j++){  //j代表当前背包的容量
                if(j<w[i-1]){  //当前背包容量小于 第i个物品重量
                    v[i][j] = v[i-1][j];  
                }else {   //当前背包容量大于 第i个物品重量
                    v[i][j] = Math.max(v[i-1][j],val[i-1]+v[i-1][j-w[i-1]]);
                }
            }
        }
        for(int[]i:v){
            System.out.println(Arrays.toString(i));
        }
    }
}

完全背包问题

完全背包问题的目的与0-1背包问题相同，只是不再限制每个物品装入的次数。
代码上只需要在0-1背包的基础上加入一个循环，状态转移表达式变为：
v[i][j] = Math.max(v[i-1][j],val[i-1]*k+v[i-1][j-w[i-1]*k]); K为第i个物品存入的个数。

import java.util.Arrays;

public class Knapsack {
    public static void main(String[] args) {
        int[] val={1500,3000,2000}; // 物品价值
        int[] w = {2,4,3}; //物品重量
        int n = 5;  //背包容量
        int[][] v =new int[val.length+1][n+1];  //状态矩阵
        int[][] path=new int[val.length+1][n+1];
        completeKnapsack(v,val,w,path);
    }
     /**
     *
     * @param v 状态矩阵
     * @param val
     * @param w
     * @param path  记录每个状态存入物品数的矩阵
     */
    public static void completeKnapsack(int[][] v,int[] val,int[] w,int[][] path){
        for(int i=0;i<v.length;i++){
            v[i][0]=0;
        }
        for (int i=0;i<v[0].length;i++){
            v[0][i]=0;
        }
        for(int i=1;i<v.length;i++){
            for(int j=1;j<v[0].length;j++){
                if(j<w[i-1]){
                    v[i][j]=v[i-1][j];
                }else {
                    for (int k=0;k<=j/w[i-1];k++){
                        if(v[i-1][j]<val[i-1]*k+v[i-1][j-k*w[i-1]]) {
                            v[i][j] =  val[i - 1] * k + v[i - 1][j - k * w[i - 1]];
                            path[i][j] = k;
                        }else {
                            v[i][j] = v[i-1][j];
                        }
                    }
                }
            }
        }
        for(int[]i:v){
            System.out.println(Arrays.toString(i));
        }
        int i = path.length-1;
        int j =path[0].length-1;
        while (i>0 && j>0){
            if(path[i][j]!=0){
                System.out.printf("第%d个商品存入背包%d个",i,path[i][j]);
                j-=path[i][j]*w[i-1];
            }
            i--;
        }
    }
}
结果：
[0, 0, 0, 0, 0, 0]
[0, 0, 1500, 1500, 3000, 3000]
[0, 0, 1500, 1500, 3000, 3000]
[0, 0, 1500, 2000, 3000, 3500]
第3个商品存入背包1个
第1个商品存入背包1个

此代码又加入了一个二维矩阵，记录每个状态存入的物品数量，最后可以得到最大价值的存入物品方法。