一、0-1背包问题
给定n种物品和一背包,背包容量为c。物品i的体积为w[i],其价值为v[i]。问如何选择装入背包中的物品,使得装入背包中的物品的总价值最大?
在选择装入背包的物品时,对每种物品i只有两种选择,即装入背包或不装入背包。不能将物品i装入背包多次,也不能只装入部分的物品i。因此,该问题称为0-1背包问题。
二维数组求解:
现在我们假设可选择物品为0,1,2,...,i,背包容量为j时的0-1背包问题的最优值为m[i][j],则我们可以得到递归式如下:
解释一下,如果当前背包的容量j大于第i个物品的体积,则可以将物品i装入背包,将物品i放入背包得到的最大价值与物品i不放入背包得到的最大价值进行比较,取较大的一个。如果当前容量j小于物品i的体积,则无法放入背包。
代码如下:
public class BP01_Solution1 {//0-1背包
static int[][] M;
public static int bp01(int capacity, int[] value, int[] weight){
int number=value.length;
int[][] m=new int[number+1][capacity+1];
for(int i=1; i<=number; i++){
for(int j=1; j<=capacity; j++){
if(j>=weight[i-1]){//背包容量足够,可以放入背包中
m[i][j]=Math.max(m[i-1][j], m[i-1][j-weight[i-1]]+value[i-1]);
}
else{//背包容量不足,不能放入背包中
m[i][j]=m[i-1][j];
}
}
}
M=m;
return m[number][capacity];
}
public static int[] tracePath(int capacity, int[] value, int[] weight){//路径追踪
int number=value.length;
int[] x=new int[number];
int c=capacity;
for(int i=number; i>0; i--){
if(M[i][c]==M[i-1][c]){
x[i-1]=0;
}
else{
if(M[i][c]==M[i-1][c-weight[i-1]]+value[i-1]){
x[i-1]=1;
c-=weight[i-1];
}
}
}
return x;
}
}
二维数组解法的最大的好处就是可以进行路径追踪,而且也比较容易理解。但是其空间复杂度比较大。
一维数组求解:
每一次m[i][j]改变的值只与m[i-1][x] {x:1...j}有关,m[i-1][x]是前一次i循环保存下来的值。因此,可以将m缩减成一维数组,从而达到优化空间的目的,状态转移方程转换为 bp[j]= max{bp[j], bp[j-w[i]]+v[i]}。并且,状态转移方程,每一次推导m[i][j]是通过m[i][j-w[i]]来推导的,所以一维数组中j的扫描顺序应该从大到小(capacity到0),否者前一次循环保存下来的值将会被修改,从而造成错误。
代码如下:
public class BP01_Solution2 {//0-1背包
public static int bp01_2(int capacity, int[] value, int[] weight){
int[] b=new int[capacity+1];
for(int i=0; i<weight.length; i++){
for(int j=capacity; j>=0; j--){
if(j>=weight[i]){
b[j]=Math.max(b[j], b[j-weight[i]]+value[i]);
}
}
}
return b[capacity];
}
}
一维数组解法优化了空间复杂度,但是不能进行路径追踪,所以需要根据具体要求来选择求解方法。
二、完全背包问题
给定n种物品和一背包,背包容量为c。物品i的体积为w[i],其价值为v[i],其数量有无限件。问如何选择装入背包中的物品,使得装入背包中的物品的总价值最大?
在选择装入背包的物品时,对每种物品i有两种选择,即装入背包或不装入背包;如果装入的话,可以将物品i装入背包多次。状态转移方程仍为 bp[j]= max{bp[j], bp[j-w[i]]+v[i]}。
其与0-1背包很相似,代码如下:
public class BP3 {//完全背包
public static int bp3(int capacity, int[] value, int[] weight){
int[] m=new int[capacity+1];
for(int i=0; i<value.length; i++){
for(int j=1; j<=capacity; j++){
if(j>=weight[i]){
m[j]=Math.max(m[j], m[j-weight[i]]+value[i]);
}
}
}
return m[capacity];
}
}
可以看到只是第二重循环变了,其他都没变。
三、多重背包
给定n种物品和一背包,背包容量为c。物品i的体积为w[i],其价值为v[i],其数量为num[i]。问如何选择装入背包中的物品,使得装入背包中的物品的总价值最大?
在选择装入背包的物品时,对每种物品i有两种选择,即装入背包或不装入背包;如果装入的话,可以将物品i装入背包多次,但不超过num[i]。
一维数组解法:
状态转移方程为 bp[j]= max{bp[j], bp[j-k*w[i]]+k*v[i]}。代码如下:
public class BP4 {//多重背包
public static int bp4(int capacity, int[] weight, int[] value, int[] number){
int[] bp=new int[capacity+1];
for(int i=0; i<weight.length; i++){
for(int j=capacity; j>=0; j--){
for(int k=0; k<=number[i]; k++){
if(j>=k*weight[i]){
bp[j]=Math.max(bp[j], bp[j-k*weight[i]]+k*value[i]);
}
}
}
}
return bp[capacity];
}
}
二维数组解法:
状态转移方程为m[i][j]=max(m[i-1][j], m[i-1][j-k*weight[i]]+k*value[i])。代码如下:
public class BP4 {//多重背包
public static int bp4(int capacity, int[] weight, int[] value, int[] number){
int[][] m=new int[weight.length+1][capacity+1];
for(int i=1; i<m.length; i++){
for(int j=capacity; j>=0; j--){
for(int k=0; k<=number[i-1]; k++){
if(j>=k*weight[i-1]){
m[i][j]=Math.max(m[i-1][j], m[i-1][j-k*weight[i-1]]+k*value[i-1]);
}
}
}
}
return m[weight.length][capacity];
}
}