递归解决01背包Java实现

递归解决01背包

1. 递归思想
将物品的重量数组w[]和价值数组v[],物品数量,以及背包容量传入函数knapsack中,递归出口条件为物品数量下标小于0或背包容量小于等于0,然后就对比放入第index件物品与不放第index件物品的价值,选择能使总价值最大的。
2. 代码实现

public class Knap {

	public static void main(String[] args) {
		int n=5;
		int w[]= {3,5,6,4,7};
		int v[]= {5,3,6,4,2};
		int cap=10;
		int value=knapsack(w,v,n-1,cap);
		System.out.println(value);
	}

	private static int knapsack(int[] w, int[] v, int index, int cap) {
		//索引无效或者背包容量不足
		if(index<0||cap<=0) {                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                     
			return 0;
		}
		//如果不放置第index个物品的价值
		int res=knapsack(w,v,index-1,cap);
		//放置了第index个物品的价值
		if(w[index]<=cap) {
			//放了,则一定有第index个物品的价值v[index],同时背包容量损失w[index]
			res=Math.max(res,knapsack(w,v,index-1,cap-w[index])+v[index]);
		}
		return res;
	}
}
  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
回溯法是一种常用的解决问题的算法思想,它通过不断地尝试所有可能的解决方案来找到问题的最优解。而01背包问题是一个经典的动态规划问题,它的目标是在给定的一组物品中选择一些物品放入背包中,使得物品的总价值最大,同时要求背包的容量不能超过一个给定的值。 在Java中,可以使用回溯法来解决01背包问题。具体步骤如下: 1. 定义一个全局变量maxValue,用于记录当前找到的最大价值。 2. 定义一个递归函数backtrack,该函数用于尝试所有可能的解决方案。 3. 在backtrack函数中,使用一个循环遍历所有物品,对于每个物品,有两种选择:放入背包或不放入背包。 4. 如果选择放入背包,则更新当前背包的容量和总价值,并递归调用backtrack函数继续尝试下一个物品。 5. 如果选择不放入背包,则直接递归调用backtrack函数继续尝试下一个物品。 6. 在每次递归调用结束后,需要将背包的容量和总价值恢复到递归前的状态,以便尝试其他可能的解决方案。 7. 当遍历完所有物品后,比较当前的总价值与maxValue的大小,更新maxValue。 8. 最后返回maxValue作为最优解。 下面是一个简单的Java代码示例: ```java public class Knapsack { private static int maxValue = 0; public static int solve(int[] weights, int[] values, int capacity) { backtrack(weights, values, capacity, 0, 0); return maxValue; } private static void backtrack(int[] weights, int[] values, int capacity, int index, int totalValue) { if (index == weights.length || capacity == 0) { maxValue = Math.max(maxValue, totalValue); return; } if (weights[index] <= capacity) { backtrack(weights, values, capacity - weights[index], index + 1, totalValue + values[index]); } backtrack(weights, values, capacity, index + 1, totalValue); } } ``` 使用示例: ```java public class Main { public static void main(String[] args) { int[] weights = {2, 3, 4, 5}; int[] values = {3, 4, 5, 6}; int capacity = 8; int maxValue = Knapsack.solve(weights, values, capacity); System.out.println("最大价值为:" + maxValue); } } ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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