背包问题

最新推荐文章于 2020-04-29 09:29:55 发布
最新推荐文章于 2020-04-29 09:29:55 发布
阅读量798 收藏 1
点赞数
分类专栏： 数据结构与算法 文章标签： 背包问题-动态规划
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/peach90/article/details/45252325
版权

完全背包问题

一个旅行者随身携带一个背包. 可以放入背包的物品有n 种, 每种物品的重量和价值分别为 wi , vi . 如果背包的最大重量限制是 b, 每种物品可以放多个. 怎样选择放入背包的物品以使得背包的价值最大 ? 不妨设上述 wi , vi , b 都是正整数.

解题思路

目标函数：装入背包的所有物品的价值达到最大
约束条件：装入背包的所有物品的重量<=b

F[k][y] 表示只允许装入前k种物品，且背包重量不超过y时背包内所有物品的最大价值。此时有两种选择：

  1. 不装第k种物品，此时只能从前k-1件物品中选，F[k][y] = F[k-1][y]

  2. 第k种物品至少装一件，（如果先装入一件第k种物品，此时剩余重量y-wk，由于每种物品可以装入多件，所以任然要在前k种物品中选择）此时F[k][y] = F[k][y-wk] + vk;

    要让背包内物品价值达到最大，则递推方程：F[k][y] = max{F[k-1][y] , F[k][y-wk] + vk}
    边界条件：
    F[0][y] = 0;
    F[k][0] = 0;
    F[k][y] = 负无穷, if y<0
    F[1][y] = (y/w1)*v1;

标记函数mark[k][y] 用于标记当F[k][y] 价值达到最大时，背包里装入物品的最大编号（此函数需要从后向前遍历==）
如果：F[k-1][y] > F[k][y-wk] + vk，则mark[k][y] =mark[k-1][y]
如果：F[k-1][y] < F[k][y-wk] + vk，则mark[k][y] =k
边界条件：
mark[k][0] = 0
mak[0][k] = 0

时空复杂度

备忘录F[k][y] 中，k与y的组合有 n*b种，每种的计算时间为常数
时间复杂度：O（n*b）
空间复杂度：O（n*b）

实现

package com.cn;

import java.util.Scanner;

public class KnapsackProblem {

    public static void main(String []args){

        int n = 0;//the number of the kinds of goods
        int b = 0;//backpack maximum weight limit

        Scanner sc = new Scanner(System.in);

        n = sc.nextInt();
        b = sc.nextInt();

        int[] w = new int[n+1];//the weight of each goods
        int[] v = new int[n+1];//the value of each goods
        int[][]mark = new int[n+1][b+1];

        for(int i = 1;i <= n;i ++){
            if(sc.hasNextInt()){
                w[i] = sc.nextInt();//实际存储的下标是从1开始的
            }
        }

        for(int i = 1;i<=n;i++){
            if(sc.hasNextInt()){
                v[i] = sc.nextInt();//实际存储的下标是从1开始的
            }
        }

        System.out.println(MaxValue(n,b,w,v,mark));
        Sign(mark,n,b,w);
    }


    public static int MaxValue(int n,int b,int[] w,int[] v,int[][] mark){

        int[][] F = new int[n+1][b+1];//实际存储的下标是从1开始的


        for(int i=1;i<=b;i++){
            F[0][i] = 0;
            F[1][i] = i/w[1]*v[1];
            mark[0][i] = 0;
        }

        for(int i=1;i<=n;i++){
            F[i][0] = 0;
            mark[i][0] = 0;
        }

        for(int k=1;k<=n;k++){
            for(int y=1;y<=b;y++){

                if(y < w[k]){
                    F[k][y] = F[k-1][y];
                    mark[k][y] = mark[k-1][y];
                }else{
                    F[k][y] = F[k-1][y] > (F[k][y-w[k]]+v[k]) ? F[k-1][y] : (F[k][y-w[k]]+v[k]);
                    mark[k][y] = F[k-1][y] > (F[k][y-w[k]]+v[k]) ? mark[k-1][y] : k;
                }


            }
        }

        return F[n][b];
    }

    //计算最终装进的每件物品的数量
    public static void Sign(int[][] mark,int n,int b,int[] w){
        int[] num = new int[n+1];
        for(int i = 1;i<=n;i++){
            num[i] = 0;
        }
        int s = mark[n][b];
        int t = b;
        while(mark[s][t] != 0){
            t = t - w[s];
            num[s]++;
            while(mark[s][t] == s){
                num[s]++;
                t = t - w[s];
            }
            s = mark[s][t];
        }

        for(int i=1;i<=n;i++){
            System.out.println("item" + i + ":" + num[i]);
        }
    }


}

空间优化

F[k][y] = max{F[k-1][y] , F[k][y-wk] + vk}
使用F[y]来表示F[k][y]、以及F[k-1][y]
使用F[y-wk]来表示F[k][y-wk]

package com.cn;

import java.util.Scanner;

public class KnapsackProblemOptimization {

    public static void main(String[] args) {
        // TODO Auto-generated method stub

        int n = 0;//the number of the kinds of goods
        int b = 0;//backpack maximum weight limit

        Scanner sc = new Scanner(System.in);

        n = sc.nextInt();
        b = sc.nextInt();

        int[] w = new int[n+1];//the weight of each goods
        int[] v = new int[n+1];//the value of each goods
        int[][]mark = new int[n+1][b+1];

        for(int i = 1;i <= n;i ++){
            if(sc.hasNextInt()){
                w[i] = sc.nextInt();
            }
        }

        for(int i = 1;i<=n;i++){
            if(sc.hasNextInt()){
                v[i] = sc.nextInt();
            }
        }

        System.out.println(MaxValue(n,b,w,v,mark));

    }

public static int MaxValue(int n,int b,int[] w,int[] v,int[][] mark){

        int[] F = new int[b+1];

        for(int i=1;i<=b;i++){

            F[i] = i/w[1]*v[1];
            mark[0][i] = 0;
        }

        for(int i=1;i<=n;i++){
            F[i] = 0;
            mark[i][0] = 0;
        }

        for(int k=2;k<=n;k++){
            for(int y=1;y<=b;y++){

                if(y < w[k]){

                    mark[k][y] = mark[k-1][y];
                }else if(F[y-w[k]]+v[k] >= F[y]){
                    F[y] = F[y-w[k]]+v[k];
                    mark[k][y] =  k;
                }

            }
        }

        return F[b];
    }

}

0-1背包问题

0-1背包问题与完全背包问题的区别就是：每种物品只有一件（要么放进背包，要么不放）

解题思路

完全按照上面的思路，但是：
F[k][y]任然有两种选择：

  1. 不装第k种物品：F[k][y] = F[k-1][y]
  2. 装第k种物品：F[k][y] = F[k-1][y-wk] + vk

此时F[k][y] = max{F[k-1][y] , F[k-1][y-wk] + vk}

边界条件：
F[0][y] = 0;
F[k][0] = 0;
F[k][y] = 负无穷, if y<0
F[1][y] = v1 , if y>w1 ,=0, if y

实现

package com.cn;

import java.util.Scanner;

public class KnapSack01 {

    public static void main(String[] args) {
        // TODO Auto-generated method stub

        int n = 0;//the number of the kinds of goods
        int b = 0;//backpack maximum weight limit

        Scanner sc = new Scanner(System.in);

        n = sc.nextInt();
        b = sc.nextInt();

        int[] w = new int[n+1];//the weight of each goods
        int[] v = new int[n+1];//the value of each goods
        int[][]mark = new int[n+1][b+1];

        for(int i = 1;i <= n;i ++){
            if(sc.hasNextInt()){
                w[i] = sc.nextInt();
            }
        }

        for(int i = 1;i<=n;i++){
            if(sc.hasNextInt()){
                v[i] = sc.nextInt();
            }
        }

        System.out.println(MaxValue(n,b,w,v,mark));
        Sign(mark,n,b,w);

    }

    public static int MaxValue(int n,int b,int[] w,int[] v,int[][] mark){

        int[][] F = new int[n+1][b+1];


        for(int i=1;i<=b;i++){
            F[0][i] = 0;
            if(i >= w[1]){
                F[1][i] = v[1];
            }else{
                F[1][i] = 0;
            }

            mark[0][i] = 0;
        }

        for(int i=1;i<=n;i++){
            F[i][0] = 0;
            mark[i][0] = 0;
        }

        for(int k=1;k<=n;k++){
            for(int y=1;y<=b;y++){

                if(y < w[k]){
                    F[k][y] = F[k-1][y];
                    mark[k][y] = mark[k-1][y];
                }else{
                    F[k][y] = F[k-1][y] > (F[k-1][y-w[k]]+v[k]) ? F[k-1][y] : (F[k-1][y-w[k]]+v[k]);
                    mark[k][y] = F[k-1][y] > (F[k][y-w[k]]+v[k]) ? mark[k-1][y] : k;
                }


            }
        }

        return F[n][b];
    }

//计算最终装进的每件物品的数量
    public static void Sign(int[][] mark,int n,int b,int[] w){

        int s = mark[n][b];
        int t = b;
        while(mark[s][t] != 0){
            System.out.println("item" + s);
            t = t - w[s];
            s = mark[s][t];
        }

    }


}

二维0-1背包问题

二维背包问题：每件物品有重量 wi 和体积 ti, i =1, 2, … , n，背包总重不超过 b，体积不超过V, 如何选择物品以得到最大价值.

递推方程

若j>=wi 且 k>=ci
m[i,j,k] = max{m[i-1,j,k] , m[i-1,j-wi,k-ci] + vi}
否则
m[i,j,k] = m[i-1,j,k]
以上内容整理自屈婉玲老师的算法设计与分析，如有不足，欢迎交流

黑色眼睛90
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
动态规划--背包问题
qq_45756062的博客
10-19 959
可以放入背包的物品有n种,每种物品的重量和价值分别为wi, vi如果背包的最大重量限制是b,每种物品可以放多个.怎样选择放入背包的物品以使得背包的价值最大?所以Fk(y) = max{ Fk-1(y)，Fk(y-nwk) + nvk } n是装入第k个物品的数量。递推方程F(k,b,v) = F(k-1,b-nbk,v-nvk) + nVk（值n倍的第k个物品的价值）s[k] [y] = 装入前k个物品最大限重y时，最大价值时，装入的第k个物品的数量。当k=0是，所有的F0(y)都等于0；
背包问题之完全背包算法详解
WorldMvp的专栏
03-28 4016
一、完全背包问题描述 有5种物品和1个背包，每种物品的个数是无限的，背包最多只能装下10公斤的物品。怎样选择物品，使得背包能装下并且得到的价值最大。物品的重量、价值如下所示： 物品编号 重量 价值 1 2 6 2 2 3 3 6 5 4 5 4 5 4 6 二、解题思路 我们先看下多重背包实现原理：背包问题之多重背包_爱思考的实践者的博客-CSDN博客 对比分析发现，完全背包与多重背包的差别就是：对物品
算法实验代码和报告（时间复杂度、0-1背包问题、分治与贪心、蛮力法）
02-24
算法实验代码和报告（时间复杂度、0-1背包问题、分治与贪心、蛮力法）。
动态规划背包问题—完全背包
weixin_34284188的博客
05-03 72
感觉背包问题是dp中最好理解的了 定义:大小为i的背包最多能装的价值 转移方程 f(i)=max{f(i-w[j])+v[j]} 其中w[j]指的是第j件物品的重量，而v[j]指的是第j件物品的价值 代码实现(1) for(int i=0;i<=m;i++)//容量 { for(int j=1;j<=n;j++)//物品的个数 { ...
完全背包问题
01-08
完全背包问题就是指已知一个体积为m的背包，共有n种物品，其中每种物品有其特定的体积v[i], 和权重w[i]，每种物品有无限个，要求从中选取物品装进背包，使总权值最大。 首先是总体需要弄清楚的模板发： 状态计算...
背包问题Matlab求解
05-28
初始化背包容量、价值等必要因素，Matlab求解最优解。代码模块清晰，简单明了。
背包问题详解
04-09
这里有9种背包问题的详解，包括01背包问题，完全背包问题，多重背包问题，混合三种背包问题，二维费用的背包问题，分组的背包问题，有依赖的背包问题，泛华物品，背包问题问法的变化。每种背包问题不仅有详细的讲解...
01背包问题_01背包问题_
10-04
课程作业，实现算法实践书后的例题，实现01背包问题
3-增量背包问题四类实例
09-03
3-增量背包问题四类实例
【算法】【回溯篇】第7节：0-1背包问题
12-21
【算法】【回溯篇】第7节：0-1背包问题 一、问题描述 给定n种物品和一背包。物品i的重量是wi>0，其价值为vi>0，背包的容量为c。 问应如何选择装入背包中的物品，使得装入背包中物品的总价值最大？ （要求使用回溯法...
01背包问题Python实现
07-18
假设背包容量为C，有以下4类物品，每类物品对应的货物数量分别为j1,j2,j3,j4，每个货物的体积分别为：vk1(k1∈j1)，vk2(k2∈j2)，vk3(k3∈j3)，vk4(k4∈j4)，它们所对应的价值为uk1(k1∈j1)，uk2(k2∈j2)，uk3(k3∈j...
背包问题详解及C语言实现.zip
最新发布
03-30
背包问题 背包问题（Knapsack problem）是一种组合优化的NP完全问题，其问题描述为：给定一组物品，每种物品都有自己的重量和价格，在限定的总重量内，如何选择才能使得物品的总价格最高。这个问题名称来源于如何...
0-1背包问题 简单R实现
u012223434的博客
04-29 687
0-1背包问题 简单R实现 本文仅作为学习记录用。 原文链接如下 https://blog.csdn.net/w113691/article/details/81743201 https://zhuanlan.zhihu.com/p/30959069 https://blog.csdn.net/shanghairuoxiao/article/details/62426727 之前遇到了没有深度...
python背包问题
08-26
背包问题是一个经典的优化问题，在计算机科学和运筹学中经常被讨论和研究。在Python中，可以使用动态规划来解决背包问题。 背包问题可以分为0-1背包问题和无限背包问题两种类型。 0-1背包问题要求在有限的物品集合中选择一些物品放入背包，使得在限定的背包容量下，所选物品的总价值最大化。每种物品只能选择取或不取一次。 无限背包问题则允许每种物品选择无限次放入背包，其他条件与0-1背包问题类似。 下面是一个简单的例子，展示如何使用动态规划解决0-1背包问题： ```python def knapsack_01(values, weights, total_weight): n = len(values) dp = [[0] * (total_weight + 1) for _ in range(n + 1)] for i in range(1, n + 1): for j in range(1, total_weight + 1): if weights[i - 1] <= j: dp[i][j] = max(dp[i - 1][j], values[i - 1] + dp[i - 1][j - weights[i - 1]]) else: dp[i][j] = dp[i - 1][j] return dp[n][total_weight] ``` 在这个例子中，`values`是物品的价值列表，`weights`是物品的重量列表，`total_weight`是背包的总容量。函数返回最大化的总价值。 你可以根据实际需求进行修改和扩展，这只是一个基本的示例。希望对你有所帮助！如果有其他问题，请随时提问。

“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
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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