0.前言
完全背包问题具体描述如下:
在M类物品取出若干件放在空间为W的背包里,每件物品的体积为W1Wn,与之相对应的价值为P1Pn,求出能获得的最大价值,每件物品都有无限个(也就是可以放入背包多次**。
完全背包是01背包的升级版,将01背包中每个物品的个数从1个扩充到了无数个,如果对01背包不太熟悉的可以看看这篇文章:
01背包问题思路及GO语言实现_雨雨不怕雨的博客-CSDN博客
本文中,给出简单简单思路及GO语言解答实现。
1.实现
完全背包的最优化版本很难直接理解,接下来会首先给出最简单的思路,并一步步优化,分别如下。
1.1 使用二维dp数组+3重循环
此种方法便于理解,但是时间、空间复杂度更大。
dp[i][j]
的含义为当物品为0~i、容量为k时,此时能获得的最大的价值。
根据每次选取n个第i个物品,可推出递推式:
dp[i][j] = max(dp[i-1][j-n*weight[i]]+n*value[i])
在上式中,如果不选取,则dp[i][j]
的值会与dp[i-1][j]
相同,如果选取n个,则值为dp[i-1][j-n*weight[i]]+n*value[i]
,取其中的最大值,代码如下:
package main
import "fmt"
func main() {
n:=0
cap:=0
fmt.Println("enter the number of objects:")
fmt.Scan(&n)
value :=make([]int,n)
weight:=make([]int,n)
fmt.Println("enter the value:")
for i := 0; i < n; i++ {
fmt.Scan(&value[i])
}
fmt.Println("enter the weight:")
for i := 0; i < n; i++ {
fmt.Scan(&weight[i])
}
fmt.Println("enter the capacity of bag:")
fmt.Scan(&cap)
fmt.Println("the answer is ",bag(weight,value,cap))
}
func bag(weight, value []int, cap int) int {
dp := make([][]int, len(weight))
for i := 0; i < len(weight); i++ {
dp[i] = make([]int, cap+1)
}
//初始化dp数组
for i := weight[0]; i <= cap; i++ {
dp[0][i] = value[0]
}
//遍历填充dp数组
for i := 1; i < len(dp); i++ {
for j := 1; j <= cap; j++ {
for n:=0;n*weight[i] <= j;n++{
dp[i][j]=max(dp[i][j],dp[i-1][j-n*weight[i]]+n*value[i])
}
}
}
fmt.Println("the dp array is",dp)
return dp[len(weight)-1][cap]
}
func max(a int, b int) int {
if a > b {
return a
} else {
return b
}
}
1.2 递归式优化
以上需要三重循环,复杂度很高,实际上, 我们将递推式展开:
dp[i,j]
= max ( dp[i-1][j]
, dp[i-1][j-weight[i]]+value[i]
,dp[i-1][j-2*weight[i]]+2*value[i]
,…dp[i-1][j-n*weight[i]]+n*value[i]
)
而对于选择前i个物品,体积为j-weight[i]的背包:,
dp[i,j-weight[i]]
= max ( dp[i-1][j-weight[i]]
, dp[i-1][j-2*weight[i]]+2*value[i]
… …dp[i-1][j-n*weight[i]]+(n-1)*value[i]
)
比较这两个式子,发现只有一个value[i]
的差距!将底下的式子加上一个value[i]
,即可得到:
dp[i,j-weight[i]]+value[i]
= max ( dp[i-1][j-weight[i]]+value[i]
,dp[i-1][j-2*weight[i]]+3*value[i]
… …dp[i-1][j-n*weight[i]]+n*value[i]
)
可以看出:这个式子与dp[i,j]
的后半截是完全相等的,等量替换,即可得到:
dp[i,j]
= max ( dp[i-1][j]
,dp[i,j-weight[i]]+value[i]
)
对比简单01背包的状态转移方程:
dp[i,j]
= max ( dp[i-1][j]
,dp[i-1,j-weight[i]]+value[i] )
可以发现,只是下标有一个改变了,即从i-1变成了i,意味着i是可以重复选举的,代码如下:
package main
import "fmt"
func main() {
n:=0
cap:=0
fmt.Println("enter the number of objects:")
fmt.Scan(&n)
value :=make([]int,n)
weight:=make([]int,n)
fmt.Println("enter the value:")
for i := 0; i < n; i++ {
fmt.Scan(&value[i])
}
fmt.Println("enter the weight:")
for i := 0; i < n; i++ {
fmt.Scan(&weight[i])
}
fmt.Println("enter the capacity of bag:")
fmt.Scan(&cap)
fmt.Println("the answer is ",bag(weight,value,cap))
}
func bag(weight, value []int, cap int) int {
dp := make([][]int, len(weight))
for i := 0; i < len(weight); i++ {
dp[i] = make([]int, cap+1)
}
//初始化dp数组
for i := weight[0]; i <= cap; i++ {
dp[0][i] = value[0]
}
//遍历填充dp数组
for i := 1; i < len(dp); i++ {
for k := 1; k <= cap; k++ {
if k-weight[i] < 0 {
dp[i][k] = dp[i-1][k]
} else {
dp[i][k] = max(dp[i-1][k], dp[i][k-weight[i]]+value[i])
}
}
}
fmt.Println("the dp array is",dp)
return dp[len(weight)-1][cap]
}
func max(a int, b int) int {
if a > b {
return a
} else {
return b
}
}
1.3 优化成一维数组
在使用二维数组时,i的存在不是必要的。因为物品已经给定,并不需要记录0~i的各个物品选取情况。
dp[j]
的含义为容量为j时,此时能获得的最大价值。
递推式与上述方法的核心是一样的,也是根据是否选取第i个物品来更新dp数组:
dp[j]=max(dp[j],dp[j-weight[i]]+value[i])
在编写代码时,思路也是一样,遍历每个物品,尝试将物品放入,如果放入后能获得更大价值,则更新dp数组的值。
注意:
- 此时遍历顺序不同于01背包,01背包中,遍历顺序为倒序遍历,这里需要用正序遍历,因为每次往下递推的时候,用的是
第i层
的数据,而不是01背包中的i-1
的数据。
代码如下:
package main
import "fmt"
func main() {
n:=0
cap:=0
fmt.Println("enter the number of objects:")
fmt.Scan(&n)
value :=make([]int,n)
weight:=make([]int,n)
fmt.Println("enter the value:")
for i := 0; i < n; i++ {
fmt.Scan(&value[i])
}
fmt.Println("enter the weight:")
for i := 0; i < n; i++ {
fmt.Scan(&weight[i])
}
fmt.Println("enter the capacity of bag:")
fmt.Scan(&cap)
fmt.Println("the answer is ",bag(weight,value,cap))
}
func bag(weight, value []int, cap int) int {
dp:=make([]int,cap+1)
for i:=0;i<len(weight);i++{
for j:=weight[i];j<=cap;j++{
dp[j]=max(dp[j],dp[j-weight[i]]+value[i])
}
}
fmt.Println("the dp array is",dp)
return dp[cap]
}
func max(a int, b int) int {
if a > b {
return a
} else {
return b
}
}