多重背包问题

多重背包问题

1、参考资料

https://blog.csdn.net/qq_38984851/article/details/81133840

https://www.cnblogs.com/mfrank/p/10816837.html

2、问题描述

N 种物品和一个容量为 T 的背包,第 i 种物品最多有 M[i] 件可用,价值为 P[i],体积为 V[i],求解:选哪些物品放入背包,可以使得这些物品的价值最大,并且体积总和不超过背包容量。

对比一下完全背包,其实只是多了一个限制条件,完全背包问题中,物品可以选择任意多件,只要你装得下,装多少件都行。但多重背包就不一样了,每种物品都有指定的数量限制,所以不是你想装,就能一直装的。


举个栗子:有 ABC 三种物品,相应的数量、价格和占用空间如下表:

物品重量价值数量
A234
B343
C452

3、代码思路

  1. 采用自上而下的填表法,完全背包对放入背包的数量数量没有限制,多重背包对放入背包的数量数量有限制
  2. 状态转移方程为:dp[i][w] = Math.max(dp[i][w], dp[i - 1][w - c * wt[i]] + c * val[i]);,其中 c 为第 i 个物品放入背包的数量
  3. 状态转移方程的意思为:将第 i 个物品一件一件地放入背包中,并找出其中最大价值的方案

其实填个表就明白了

i/j0123456789101112131415
00000000000000000
1003366991212121212121212
20034679101213141617182021
30034679101213141617182021

4、代码实现

  • 代码
/**
 * @ClassName MultiplePackDemo
 * @Description TODO
 * @Author Heygo
 * @Date 2020/8/14 10:56
 * @Version 1.0
 */
public class MultiplePackDemo {

    public static void main(String[] args) {

        int maxValue = multiplePack(15, 3, new int[]{-1, 2, 3, 4}, new int[]{-1, 3, 4, 5}, new int[]{-1, 4, 3, 2});
        System.out.println(maxValue);

    }

    /**
     * 多重背包问题
     *
     * @param W     背包的重量
     * @param N     现有物品的数量
     * @param wt    物品的重量
     * @param val   物品的价值
     * @param count 物品的数量
     * @return 背包中物品的最大价值
     */
    public static int multiplePack(int W, int N, int[] wt, int[] val, int[] count) {

        // dp[i][w] 表示:对于前 i 个物品,当背包容量为 w 时,能放下的最大价值为 dp[i][w]
        int[][] dp = new int[N + 1][W + 1];

        // 从第一个物品开始,一个一个放入物品
        for (int i = 1; i <= N; i++) {
            // 背包重量逐渐增大,尝试放入物品
            for (int w = 1; w <= W; w++) {
                // 将第 i 件物品一件一件放入,直到放不下为止
                for (int c = 0; c <= count[i] && c * wt[i] <= w; c++) {
                    // 尝试将第 i 件物品一件一件放入背包,从中取出价值最大的方案
                    dp[i][w] = Math.max(dp[i][w], dp[i - 1][w - c * wt[i]] + c * val[i]);
                }
            }
        }

        for (int[] ints : dp) {
            System.out.println(Arrays.toString(ints));
        }

        return dp[N][W];
    }

}
  • 程序运行结果
[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
[0, 0, 3, 3, 6, 6, 9, 9, 12, 12, 12, 12, 12, 12, 12, 12]
[0, 0, 3, 4, 6, 7, 9, 10, 12, 13, 14, 16, 17, 18, 20, 21]
[0, 0, 3, 4, 6, 7, 9, 10, 12, 13, 14, 16, 17, 18, 20, 21]
21

5、代码优化

代码优化分析

  1. 上述代码嵌套了三层 for 循环,其实可以进行优化,以 wt[i] 表示第 i 件物品的重量,以 val[i] 表示第 i 件物品的价值,以 count[i] 表示第 i 件物品的数量,以 W 表示当前背包的重量
  2. 优化思路为:如果 count[i]*wt[i]>=W,这就说明物品 i 的数量其实没有限制,那么可以将第 i 件物品当做完全背包来处理,否则就只能当做多重背包来处理
  3. 我们还可以将二维数组dp[][]优化为一维数组dp[]dp[w] 表示放入第 i(数组下标) 个物品、背包容量为 w 时,背包中物品的最大价值

代码实现

  • 代码
/**
 * @ClassName MultiplePackDemo
 * @Description TODO
 * @Author Heygo
 * @Date 2020/8/14 10:56
 * @Version 1.0
 */
public class MultiplePackDemo {

    public static void main(String[] args) {

        int maxValue = multiplePack(15, 3, new int[]{-1, 2, 3, 4}, new int[]{-1, 3, 4, 5}, new int[]{-1, 4, 3, 2});
        System.out.println(maxValue);

    }

    /**
     * 多重背包问题
     *
     * @param W     背包的重量
     * @param N     现有物品的数量
     * @param wt    物品的重量
     * @param val   物品的价值
     * @param count 物品的数量
     * @return 背包中物品的最大价值
     */
    public static int multiplePack(int W, int N, int[] wt, int[] val, int[] count) {

        // dp[w] 表示:对于前 i(数组下标) 个物品,当背包容量为 w 时,能放下的最大价值为 dp[w]
        int[] dp = new int[W + 1];

        // 从第一个物品开始,一个一个放入物品
        for (int i = 1; i <= N; i++) {

            // 如果 count[i] * wt[i] >= W,说明当前物品数量无限制,当做完全背包来做
            if (count[i] * wt[i] >= W) {

                // 完全背包的写法:升序(第 i 件物品可重复放入)
                for (int w = wt[i]; w <= W; w++) {
                    dp[w] = Math.max(dp[w], dp[w - wt[i]] + val[i]);
                }

            } else {
                // 0-1 背包的写法:降序(第 i 次的最大价值依赖于第 i-1 次的最大价值)
                for (int w = W; w >= wt[i]; w--) {
                    // 尝试将第 i 件物品,一件一件放入背包
                    for (int c = 0; c <= count[i] && c * wt[i] <= w; c++) {
                        dp[w] = Math.max(dp[w], dp[w - c * wt[i]] + c * val[i]);
                    }
                }

            }

            System.out.println(Arrays.toString(dp));

        }

        return dp[W];
    }

}
  • 程序运行结果
[0, 0, 3, 3, 6, 6, 9, 9, 12, 12, 12, 12, 12, 12, 12, 12]
[0, 0, 3, 4, 6, 7, 9, 10, 12, 13, 14, 16, 17, 18, 20, 21]
[0, 0, 3, 4, 6, 7, 9, 10, 12, 13, 14, 16, 17, 18, 20, 21]
21
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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