动态规划解决01背包问题

问题描述:

给定N中物品和一个背包。物品i的重量是Wi,其价值位Vi ,背包的容量为C。问应该如何选择装入背包的物品,使得转入背包的物品的总价值为最大??

在选择物品的时候,对每种物品i只有两种选择,即装入背包或不装入背包。不能讲物品i装入多次,也不能只装入物品的一部分。因此,该问题被称为0-1背包问题。 

 

问题分析:令V(i,j)表示在前i(1<=i<=n)个物品中能够装入容量为就j(1<=j<=C)的背包中的物品的最大价值,则可以得到如下的动态规划函数:

(1)   V(i,0)=V(0,j)=0 

(2)   V(i,j)=V(i-1,j)  j<wi  

       V(i,j)=max{V(i-1,j) ,V(i-1,j-wi)+vi) } j>wi

(1)式表明:如果第i个物品的重量大于背包的容量,则装人前i个物品得到的最大价值和装入前i-1个物品得到的最大价是相同的,即物品i不能装入背包;第(2)个式子表明:如果第i个物品的重量小于背包的容量,则会有一下两种情况:(a)如果把第i个物品装入背包,则背包物品的价值等于第i-1个物品装入容量位j-wi 的背包中的价值加上第i个物品的价值vi; (b)如果第i个物品没有装入背包,则背包中物品价值就等于把前i-1个物品装入容量为j的背包中所取得的价值。显然,取二者中价值最大的作为把前i个物品装入容量为j的背包中的最优解。

package DP;

import java.util.Random;

public class KnapSack {

	static int max(int a, int b) {
		if (a >= b)
			return a;
		else
			return b;
	}

	public static int KnapSackCal(int V[][], int n, int w[], int v[], int x[],int C) {
		System.out.println(n+" "+C);
		int i, j;
		for (i = 0; i < n; i++)
			for (j = 0; j < C; j++)
				V[i][j] = 0;

		for (i = 1; i <= n; i++)
			for (j = 1; j <= C; j++) {
				if (j < w[i])
					V[i][j] = V[i - 1][j];
				else{
					V[i][j] = max(V[i - 1][j], V[i - 1][j - w[i]] + v[i]);
				}
			}

		/*
		 * for (i = 1; i <= n; i++) { for (j = 1; j <= C; j++)
		 * System.out.print(V[i][j] + " "); System.out.println(""); }
		 */

		j = C;
		for (i = n; i >= 1; i--) {
			if (V[i][j] > V[i - 1][j]) {
				x[i] = 1;
				j = j - w[i];
			} else
				x[i] = 0;
		}
		System.out.println("选中的物品是:");
		for (i = 1; i <= n; i++)
			System.out.print(x[i] + " ");
		System.out.println();
		return V[n][C];

	}

	public static void main(String[] args) {
		long startTime = System.currentTimeMillis();
		// 前i个物品装入容量为j的背包中获得的最大价值
		int V[][] = new int[41][1001];
		int s;// 获得的最大价值
		int w[] = new int[41];// 物品的重量
		int v[] = new int[41];// 物品的价值
		int x[] = new int[41];// 物品的选取状态
		int n, i;
		int C ;// 背包最大容量
		
		 Scanner in = new Scanner(System.in);
		 System.out.println("请输入背包的最大容量:"); C = in.nextInt();
		  
		 System.out.println("输入物品数:"); n = in.nextInt();
		  
		  System.out.println("请分别输入物品的重量:"); for (i = 1; i <= n; i++) w[i] =
		  in.nextInt();
		  
		  System.out.println("请分别输入物品的价值:"); for (i = 1; i <= n; i++) v[i] =
		  in.nextInt(); in.close();
		 			s = KnapSack.KnapSackCal(V, n, w, v, x, C);
			System.out.println("最大物品价值为:");
			System.out.println(s);
			System.out.println();
		}
		long endTime = System.currentTimeMillis();
		System.out.println("共用时/(毫秒):"+ (endTime-startTime));
	}

}

 

 

动态规划之01背包问题(最易理解的讲解)

01背包问题,是用来介绍动态规划算法最经典的例子,网上关于01背包问题的讲解也很多,我写这篇文章力争做到用最简单的方式,最少的公式把01背包问题讲解透彻。

01背包的状态转换方程 f[i,j] = Max{ f[i-1,j-Wi]+Pi( j >= Wi ),  f[i-1,j] }

f[i,j]表示在前i件物品中选择若干件放在承重为 j 的背包中,可以取得的最大价值。
Pi表示第i件物品的价值。
决策:为了背包中物品总价值最大化,第 i件物品应该放入背包中吗 ?

题目描述:

有编号分别为a,b,c,d,e的五件物品,它们的重量分别是2,2,6,5,4,它们的价值分别是6,3,5,4,6,现在给你个承重为10的背包,如何让背包里装入的物品具有最大的价值总和?

 

nameweightvalue12345678910
a26066991212151515
b23033669991011
c65000666661011
d54000666661010
e460006666666


 

只要你能通过找规律手工填写出上面这张表就算理解了01背包的动态规划算法。

首先要明确这张表是至底向上,从左到右生成的。

为了叙述方便,用e2单元格表示e行2列的单元格,这个单元格的意义是用来表示只有物品e时,有个承重为2的背包,那么这个背包的最大价值是0,因为e物品的重量是4,背包装不了。

对于d2单元格,表示只有物品e,d时,承重为2的背包,所能装入的最大价值,仍然是0,因为物品e,d都不是这个背包能装的。

同理,c2=0,b2=3,a2=6。

对于承重为8的背包,a8=15,是怎么得出的呢?

根据01背包的状态转换方程,需要考察两个值,

一个是f[i-1,j],对于这个例子来说就是b8的值9,另一个是f[i-1,j-Wi]+Pi;

在这里,

 f[i-1,j]表示我有一个承重为8的背包,当只有物品b,c,d,e四件可选时,这个背包能装入的最大价值

f[i-1,j-Wi]表示我有一个承重为6的背包(等于当前背包承重减去物品a的重量),当只有物品b,c,d,e四件可选时,这个背包能装入的最大价值

f[i-1,j-Wi]就是指单元格b6,值为9,Pi指的是a物品的价值,即6

由于f[i-1,j-Wi]+Pi = 9 + 6 = 15 大于f[i-1,j] = 9,所以物品a应该放入承重为8的背包


 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值