1、背包理论基础
有N件物品和一个最多能背重量为W的背包。第i件物品的重量是weight[i],得到的价值是value[i]。每件物品只能用一次,求解将哪些物品装入背包里物品价值最大。
其实这是标准的背包问题。每一件物品有2种状态,取物品放入背包中,不取该物品放入背包中。所以可以使用回溯法搜索出所有的情况,那么时间复杂度就是O(2^n),这里的n表示物品数量。
2、算法分析
①确定dp数组以及下标的含义
对于背包问题,有一种写法, 是使用二维数组。
即dp[i][j] 表示从下标为[0-i]的物品里任意取,放进容量为j的背包,价值总和最大是多少。
②确定递推公式
dp[i][j]的含义:从下标为[0-i]的物品里任意取,放进容量为j的背包,价值总和最大是多少。
有两种情况推导:
(1)不放物品:由dp[i - 1][j]推出,即背包容量为j,里面不放物品i的最大价值,此时dp[i][j]就是dp[i - 1][j]。(其实就是当物品i的重量大于背包j的重量时,物品i无法放进背包中,所以被背包内的价值依然和前面相同)
(2)放物品:由dp[i - 1][j - weight[i]]推出,dp[i - 1][j - weight[i]] 为背包容量为j - weight[i]的时候不放物品i的最大价值,那么dp[i - 1][j - weight[i]] + value[i] (物品i的价值),就是背包放物品i得到的最大价值。
所以递归公式: dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
③初始化数组
关于初始化,一定要和dp数组的定义吻合,否则到递推公式的时候就会越来越乱。
首先从dp[i][j]的定义出发,如果背包容量j为0的话,即dp[i][0],无论是选取哪些物品,背包价值总和一定为0。
状态转移方程 dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]); 可以看出i 是由 i-1 推导出来,那么i为0的时候就一定要初始化。dp[0][j],即:i为0,存放编号0的物品的时候,各个容量的背包所能存放的最大价值。那么很明显当 j < weight[0]的时候,dp[0][j] 应该是 0,因为背包容量比编号0的物品重量还小。当j >= weight[0]时,dp[0][j] 应该是value[0],因为背包容量放足够放编号0物品。
初始化dp[0][j]
④确定遍历顺序
先遍历物品,再遍历背包比较容易理解。
// weight数组的大小 就是物品个数
for(int i = 1; i < weight.size(); i++) { // 遍历物品
for(int j = 0; j <= bagWeight; j++) { // 遍历背包容量
if (j < weight[i]) dp[i][j] = dp[i - 1][j];
else dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
}
}
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]); 递归公式中可以看出dp[i][j]是靠dp[i-1][j]和dp[i - 1][j - weight[i]]推导出来的。
3、代码实现
public static void testWeightBagProblem(int[] weight,int[] value,int bagSize){
int wLen = weight.length;
int value0 = 0;
// dp[i][j]:d[i][j]表示背包容量是j时候,前i个物品获得的最大价值。当然i个物品的总价值小于等于j的容量
int[][] dp = new int[wLen + 1][bagSize + 1];
// 初始化背包,当背包容量为0的时候,获得的总价值也为0
for (int i = 0; i <= wLen; i++) {
dp[i][0] = value0;
}
// 遍历背包和背包容量,因为初始化的时候,dp[0][0]初始化为0;
for (int i = 1; i <= wLen; i++) {
for (int j = 1; i <= bagSize; j++) {
// 背包的容量小于第i-1个下标物品的重量
if (j < weight[i - 1]) {
dp[i][j] = dp[i-1][j];
}else{
dp[i][j] = Math.max(dp[i-1][j],dp[i-1][j-weight[i-1]] + value[i-1]);
}
}
}
// 遍历数组
for (int i = 0; i <= wLen; i++) {
for (int j = 0; j <= bagSize; j++) {
System.out.println(dp[i][j] + " ");
}
System.out.println(" \n");
}
}