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] }
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?
name | weight | value | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
a | 2 | 6 | 0 | 6 | 6 | 9 | 9 | 12 | 12 | 15 | 15 | 15 |
b | 2 | 3 | 0 | 3 | 3 | 6 | 6 | 9 | 9 | 9 | 10 | 11 |
c | 6 | 5 | 0 | 0 | 0 | 6 | 6 | 6 | 6 | 6 | 10 | 11 |
d | 5 | 4 | 0 | 0 | 0 | 6 | 6 | 6 | 6 | 6 | 10 | 10 |
e | 4 | 6 | 0 | 0 | 0 | 6 | 6 | 6 | 6 | 6 | 6 | 6 |
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