背包问题之完全背包问题

最新推荐文章于 2024-09-21 21:08:13 发布

置顶 Lam Tang

最新推荐文章于 2024-09-21 21:08:13 发布

阅读量688

点赞数 1

分类专栏： Algorithm # 背包问题文章标签：算法 algorithm 动态规划 java

本文链接：https://blog.csdn.net/qq_14873461/article/details/104838914

版权

Algorithm 同时被 2 个专栏收录

24 篇文章 0 订阅

订阅专栏

背包问题

9 篇文章 0 订阅

订阅专栏

问题描述：有n个物品，第 i 个物品的重量与价值分别为 $w [i]$ 与 $v [i]$ 。背包容量为 V，试问在每个物品有无限个（物品必须保持完整）的情况下，如何让背包装入的物品具有更大的价值总和。现有数据如下：

w = [2,3,4,5];
v = [3,4,5,6];
V = 10;

解题思路：令 $d p [i] [j]$ 表示从编号 1~i 的物品中挑选任意数量的任意物品放入容量为 j 的背包中得到的最大价值，那么有 $dp[i][j]=max\{dp[i-1][j-k*w[i]]+k*v[i]|0 \le k\&k*w[i] \le j\}$ 。根据题意，在背包容量不变的情况下，若增加一件物品仍然无法改变背包内的物品，那么最大价值仍然为 $d p [i - 1] [j]$ ，即 $d p [i] [j] = d p [i - 1] [j]$ 。因此有 $dp[i][j]=max\{dp[i-1][j],dp[i-1][j-k*w[i]]+k*v[i]|0 \le k \&k*w[i] \le j\}$ 。

    public int knapsackProblem(int[] w, int[] v, int cap) {
        int[][] dp = new int[w.length + 1][cap + 1];
        for (int i = 1; i <= w.length; i++) {
            for (int j = cap; j > 0; j--) {
                dp[i][j] = dp[i - 1][j];
                for (int k = 0; k * w[i - 1] <= j; k++) {
                    dp[i][j] = Math.max(dp[i][j], dp[i - 1][j - k * w[i - 1]] + k * v[i - 1]);
                }
            }
        }
        return dp[w.length][cap];
    }

由以上代码可知，时间复杂度为 $O(nV^2)$ 。

时间优化：

$dp[i][j]=max\{dp[i-1][j],dp[i-1][j-k*w[i]]+k*v[i]|0 \le k\&k*w[i] \le j\}$

$dp[i][j]=max\{dp[i-1][j], max\{dp[i-1][(j-w[i])-(k-1)*w[i]]+(k-1)*v[i]|0 \le (k-1)*w[i] \le j\} + v[i]\}$

$dp[i][j]=max\{dp[i-1][j], max\{dp[i-1][(j-w[i])-k*w[i]]+k*v[i]|0 \le k \& (k+1)*w[i] \le j\}+v[i]\}$

纵观上述表达式的第二项，有

$dp[i][j-w[i]]=max\{dp[i-1][(j-w[i])-k*w[i]]+k*v[i]|0 \le k \& (k+1)*v[i] \le j\}$

进而 $dp[i][j]=max\{dp[i-1][j], dp[i][j-w[i]]+v[i]\}$

空间优化：

$dp[i][j]=max\{dp[i-1][j], dp[i][j-w[i]]+v[i]\}$ => $dp[j]=max\{dp[j], dp[j-w[i]]+v[i]\}, j=1,2,...cap$

    public int knapsackProblem(int[] w, int[] v, int cap) {
        int[] dp = new int[cap + 1];
        for (int i = 0; i < w.length; i++) {
            for (int j = 1; j <= cap; j++) {
                if (w[i] <= j) {
                    dp[j] = Math.max(dp[j], dp[j - w[i]] + v[i]);
                }
            }
        }
        return dp[cap];
    }