动态规划解决01背包问题

最新推荐文章于 2024-08-24 19:48:25 发布

SmallCSer

最新推荐文章于 2024-08-24 19:48:25 发布

阅读量1.2k

点赞数

分类专栏：算法

算法专栏收录该内容

17 篇文章 0 订阅

订阅专栏

问题描述：

给定N中物品和一个背包。物品i的重量是W_i,其价值位V_i ，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<w_i

V(i,j)=max{V(i-1,j) ,V(i-1,j-w_i)+v_i) } j>w_i

(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-w_i 的背包中的价值加上第i个物品的价值v_i; (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。