01背包问题

<span style="font-family: 'Microsoft Yahei'; line-height: 2em; background-color: rgb(255, 255, 255);">Knapsack - 背包问题</span>

在一次抢珠宝店的过程中,抢劫犯只能抢走以下三种珠宝,其重量和价值如下表所述。

Item(jewellery) Weight Value
1 6 23
2 3 13
3 4 11

抢劫犯这次过来光顾珠宝店只带了一个最多只能承重17 kg的粉红色小包,于是问题来了,怎样搭配这些不同重量不同价值的珠宝才能不虚此行呢?哎,这年头抢劫也不容易啊...

用数学语言来描述这个问题就是: 背包最多只能承重 WW kg, 有 nn 种珠宝可供选择,这 nn 种珠宝的重量分别为 \omega_1,\cdots,\omega_nω1,,ωn, 相应的价值为 v_1,\cdots,v_nv1,,vn. 问如何选择这些珠宝使得放进包里的珠宝价值最大化?

若一件珠宝最多只能带走一件,请问现在抢劫犯该如何做才能使得背包中的珠宝价值总价最大?

显然,无界背包中的状态及状态方程已经不适用于01背包问题,那么我们来比较这两个问题的不同之处,无界背包问题中同一物品可以使用多次,而01背包问题中一个背包仅可使用一次,区别就在这里。我们用 K(i,\omega)K(i,ω) 来表示前 ii 件物品放入一个容量为 \omegaω 的背包可以获得的最大价值。

现在从以上状态定义出发寻找相应的状态转移方程。K(i-1, \omega)K(i1,ω)为 K(i, \omega)K(i,ω) 的子问题,如果不放第 ii 件物品,那么问题即转化为「前 i-1i1 件物品放入容量为 \omegaω 的背包」,此时背包内获得的总价值为 K(i-1, \omega)K(i1,ω);如果放入第 ii 件物品,那么问题即转化为「前 i-1i1 件物品放入容量为 \omega - \omega_iωωi 的背包」,此时背包内获得的总价值为 K(i-1, \omega - \omega_i) + v_iK(i1,ωωi)+vi. 新的状态转移方程用数学语言来表述即为: K(i,\omega) = \max \{K(i-1, \omega), K(i-1, \omega - \omega_i) + v_i\}K(i,ω)=max{K(i1,ω),K(i1,ωωi)+vi}

这里的分析是以容量递推的,但是在容量特别大时,我们可能需要以价值作为转移方程。定义状态dp[i + 1][j]为前i个物品中挑选出价值总和为j 时总重量的最小值(所以对于不满足条件的索引应该用充分大的值而不是最大值替代,防止溢出)。相应的转移方程为:前i - 1 个物品价值为j, 要么为j - v[i](选中第i个物品). 即dp[i + 1][j] = min{dp[i][j], dp[i][j - v[i]] + w[i]}. 最终返回结果为dp[n][j] ≤ W中最大的 j.

public class Knapsack {

    public static void main(String[] args) {
        int N = Integer.parseInt(args[0]);   // number of items
        int W = Integer.parseInt(args[1]);   // maximum weight of knapsack

        int[] profit = new int[N+1];
        int[] weight = new int[N+1];

        // generate random instance, items 1..N
        for (int n = 1; n <= N; n++) {
            profit[n] = (int) (Math.random() * 1000);
            weight[n] = (int) (Math.random() * W);
        }

        // opt[n][w] = max profit of packing items 1..n with weight limit w
        // sol[n][w] = does opt solution to pack items 1..n with weight limit w include item n?
        int[][] opt = new int[N+1][W+1];
        boolean[][] sol = new boolean[N+1][W+1];

        for (int n = 1; n <= N; n++) {
            for (int w = 1; w <= W; w++) {

                // don't take item n
                int option1 = opt[n-1][w];

                // take item n
                int option2 = Integer.MIN_VALUE;
                if (weight[n] <= w) option2 = profit[n] + opt[n-1][w-weight[n]];

                // select better of two options
                opt[n][w] = Math.max(option1, option2);
                sol[n][w] = (option2 > option1);
            }
        }

        // determine which items to take
        boolean[] take = new boolean[N+1];
        for (int n = N, w = W; n > 0; n--) {
            if (sol[n][w]) { take[n] = true;  w = w - weight[n]; }
            else           { take[n] = false;                    }
        }

        // print results
        System.out.println("item" + "\t" + "profit" + "\t" + "weight" + "\t" + "take");
        for (int n = 1; n <= N; n++) {
            System.out.println(n + "\t" + profit[n] + "\t" + weight[n] + "\t" + take[n]);
        }
    }
}




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