【动态规划】01背包问题_01背包问题动态规划算法

最新推荐文章于 2024-05-30 16:17:47 发布

chanter4

最新推荐文章于 2024-05-30 16:17:47 发布

阅读量1.5k

点赞数 19

分类专栏： 2024年程序员学习文章标签：算法动态规划

本文链接：https://blog.csdn.net/chanter4/article/details/138037157

版权

2024年程序员学习专栏收录该内容

21 篇文章 0 订阅

订阅专栏

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Java开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Java开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：xhs1999xhs （备注Java）

正文

👨‍🎓作者简介：一位喜欢写作，计科专业大二菜鸟

🏡个人主页：starry陆离

🕒首发日期：2022年5月16日星期一

🌌上期文章：【动态规划】最长上升子序列

📚订阅专栏：算法分析与设计
如果文章有帮到你的话记得点赞👍+收藏💗支持一下哦

在这里插入图片描述

1. 问题描述

给定n种物品（每种物品只有一件）和一个背包：物品i的重量是wi，其价值为vi，背包的容量为C。问应如何选择装入背包的物品，使得装入背包中物品的总价值最大?

对于每种物品，只有两种选择：装(1)或者不装(0)，不允许装物品的一部分

因此有这么一个著名的公式：

找出物品选择的组合的重量总和要不大于背包的容量为C，且要找出这些组合中装入背包中物品的总价值的最大的组合

2. 问题分析

如果穷举这些组合，我们知道每一个物品都有选和不选，则一共有2 n(n是物品的种类)；然后去除这些组合中大于背包的容量为C的组合，再找总价值最大的即为解；显然这个数量级太大了

2.1 减少规模

定义m(i，j)是背包容量为j，可选择物品为i，i+1，…，n时0-1背包问题的最优值

则m(i+1，j)为可选择物品为i+1，…，n时0-1背包问题的最优值

。。。依次类推

m(n,j)为可选择物品为n时0-1背包问题的最优值，此时，规模已为1

即当可选物品为n时，背包容量为j，如果此时的背包容量能装下第n个物品，那么m(n,j)的最优值就是第n个物品的价值vn，装不下那就是0；（因为现在的可选物品只有第n个）

2.2 推导递归式

判断是否放入第i件？

1）不放，背包当前产生价值仍为m(i+1，j)

2）放入，调整背包容量j-wi，背包当前产生价值为m(i+1, j-wi)+vi

结合两式即可得：

3 填DP表

已知n=5, c=10, w={2, 2, 6, 5, 4}, v={6, 3, 5, 4, 6}

绘制m[i,j]的最下面两行

思路：

由上面的分析可知，我们是从下往上，从左往右填dp表，
如m(5,10)就是表示背包容量为10时，可选择物品为n时的最优值，而我们最终的解就是m(1,10)的值
首先由第一个公式填最后一行m(5,j)(0<=j<10)
然后有第二个公式填剩下的表格

4 图解算法

幻灯片1

幻灯片2

幻灯片3

幻灯片4

幻灯片5

剩下的两行也是用同样的方法递推，读者可自己完成，理解这个逻辑过程

幻灯片6

5 代码实现

时间复杂度：O（nc)(n是物品种类，c是背包容量)

空间复杂度：S（nc)

private static int DpSolve(int n, int c, int[] w, int[] v, int[][] dp) {
		//初始化第n行
		for(int j=0;j<=c;++j) {
			if(j>=w[n]) {
				//System.out.println("w[n]="+w[n]);
				dp[n][j]=v[n];
			}
		}
		
		//动态规划
		for(int i=n-1;i>=1;i--) {
			for(int j=1;j<=c;++j) {
				if(j<w[i]) {
					dp[i][j]=dp[i+1][j];
				}else {
					dp[i][j]=Math.max(dp[i+1][j], dp[i+1][j-w[i]]+v[i]);
				}
			}
		}
		return dp[1][c];
	}

6. 构造最优解

能够求出01背包问题的最优值，我们如何求出一个最优解呢？

如上面的问题的最优解为1-》2-》5，如果用1代表选择物品，0代表不选择，那么结果可表示为11001

这个结果是如何得出的呢？

只需要当前的m(i,j)和它的下面的最优值m(i+1,j)比较，

如果两者相等说明没有选择物品i，因为价值没有增加
如果两者不相等说明选择了物品i，则需要把当前的背包容量j减去物品i的重量w(i)，得出m(i+1,j-w(i))，其意义在于找到装入物品i前的背包能取得的最优值；

同理依次类推，循环执行第一步，直到找到倒数第二个物品是否选择
最后一步单独判断最后一个物品有没有选择，如果m(n,j)==0则表示没选择最后一个，不为0说明选择了

如上面的问题的最优解为1-》2-》5，如果用1代表选择物品，0代表不选择，那么结果可表示为11001

幻灯片7

只需要当前的m(i,j)和它的下面的最优值m(i+1,j)比较，

如果两者相等说明没有选择物品i，因为价值没有增加；
如果两者不相等说明选择了物品i，则需要把当前的背包容量j减去物品i的重量w(i)，得出m(i+1,j-w(i))，其意义在于找到装入物品i前的背包能取得的最优值；

幻灯片8

同理依次类推，循环执行第一步，直到找到倒数第二个物品是否选择

幻灯片9

幻灯片10

最后一步单独判断最后一个物品有没有选择，如果m(n,j)==0则表示没选择最后一个，不为0说明选择了

幻灯片11

private static void Gouzao(int n, int c, int[] w, int[] v, int[][] dp) {
		
		for(int i=1;i<n;++i) {
			if(dp[i][c]==dp[i+1][c]) {
                //相等说明没选，输出0
				System.out.print("0");
			}else {
                //不相等说明选择了，输出1
				System.out.print("1");
                //更新背包的容量，要减去第i个物品的重量
                //准备去找装入物品i前的背包能取得的最优值
				c=c-w[i];
			}
		}
    	//处理最后一个物品
		int last=(dp[n][c]>0?1:0);
		System.out.println(last);
		
	}

7. 练习题

原题地址：https://acm.hnucm.edu.cn/JudgeOnline/

题目描述

给定n种物品和一个背包，物品i的重量是Wi，其价值为Vi，背包的容量为C。如何选择装入背包的物品，可以使得装入背包中物品的总价值最大？

输入

每组输入包括三行，
第一行包括物品个数n，以及背包容量C。
第二、三行包括两个一维数组，分别为每一种物品的价值和重量。

输出

输出包括两行，第一行为背包的最大总价值，第二行为所选取的物品。
例如：最大总价值=15，物品选取策略为11001。数据保证答案唯一。

样例输入
5 10
6 3 5 4 6
2 2 6 5 4
样例输出
15
11001


import java.util.Scanner;
public class Main {
	public static void main(String[] args) {
		Scanner scanner=new Scanner(System.in);
		int n;
		int c;
		int[] w,v;
		int[][] dp;
		while(scanner.hasNext()) {
			n=scanner.nextInt();
			c=scanner.nextInt();
			w=new int[n+1];
			v=new int[n+1];
			dp=new int[n+1][c+1];
			for(int i=1;i<=n;++i) {
				v[i]=scanner.nextInt();
			}
			for(int i=1;i<=n;++i) {
				w[i]=scanner.nextInt();
			}
			
			for(int j=0;j<=c;++j) {
				if(j>=w[n]) {
					
					dp[n][j]=v[n];
				}
			}
			
			//动态规划
			for(int i=n-1;i>=1;i--) {
				for(int j=1;j<=c;++j) {
					if(j<w[i]) {
						dp[i][j]=dp[i+1][j];
					}else {
						dp[i][j]=Math.max(dp[i+1][j], dp[i+1][j-w[i]]+v[i]);
					}
				}
			}
			
			int ans=dp[1][c];		
			System.out.println(ans);	
			Gouzao(n,c,w,v,dp);
		}

	}

	private static void Gouzao(int n, int c, int[] w, int[] v, int[][] dp) {
		
		for(int i=1;i<n;++i) {
			if(dp[i][c]==dp[i+1][c]) {
				System.out.print("0");
			}else {
				System.out.print("1");
				c=c-w[i];
			}
		}
		int last=(dp[n][c]>0?1:0);
		System.out.println(last);
		
	}
}

8. 扩展：空间压缩

我们注意到每次递推第i行都是用下面一行（第i+1行）的最优值，如果只用一个一维数组dp[]来存储这些值，那么

递推第i行前，dp[i]=m(i+1,j)

递推第i行后，dp[i]=m(i,j)（覆盖掉原来的值）

而在计算递推第i行时的m()数组的值，有两种选择变化：

1）不放，背包当前产生价值仍为m(i+1，j)，即dp[i]保持不变

2）放入，调整背包容量j-wi，背包当前产生价值为m(i+1, j-wi)+vi，即dp[j]=dp[j-wi]+vi

但是求解dp[]数组时，必须保证dp[j-wi]还是m(i,j-wi)的值，考虑到每次递推都会覆盖掉原来dp[]数组中的值，如当j的值从小往大变化，即我们从左往右求解时dp[j-wi]已经是m(i+1,j-wi)的值了；（读者可自行推演，如果这样上一题的答案会是30）

因而我们得从右往左求解，即j从大往下变化

//动态规划
for(int i=n;i>=1;i--) {
    //j从大往下变化,保证dp[j-wi]还是m(i,j-wi)的值
    for(int j=c;j>=0;--j) {
        if(j>=w[i]) {
            dp[j]=Math.max(dp[j], dp[j-w[i]]+v[i]);
        }
    }
}

最后我们该如何学习？

1、看视频进行系统学习

这几年的Crud经历，让我明白自己真的算是菜鸡中的战斗机，也正因为Crud，导致自己技术比较零散，也不够深入不够系统，所以重新进行学习是很有必要的。我差的是系统知识，差的结构框架和思路，所以通过视频来学习，效果更好，也更全面。关于视频学习，个人可以推荐去B站进行学习，B站上有很多学习视频，唯一的缺点就是免费的容易过时。

另外，我自己也珍藏了好几套视频资料躺在网盘里，有需要的我也可以分享给你：