背包问题的贪心算法求解

背包问题的贪心算法求解

先看代码如下：

	public static void knapsackProblems() {
		Scanner in = new Scanner(System.in);
		System.out.println("Please enter the number of objects(请输入物品的数量：):");
		int n = in.nextInt();
		int[] w = new int[n]; // 物品重量数组
		int[] v = new int[n]; // 物品价钱数组
		System.out.println("Now, please enter the weight of these objects(现在请输入这些物品的重量：)");
		for (int i = 0; i < n; i++) {
			w[i] = in.nextInt();
		}
		System.out.println("Now, please enter the value of these objects(现在请输入这些物品的价值：)");
		for (int i = 0; i < n; i++) {
			v[i] = in.nextInt();
		}
		System.out.println("Now, please enter the capacity of the pack(现在请输入背包的容量：)");
		int c = in.nextInt();
		/**
		 * 按单位重量价值r[i] = v[i] / w[i]降序排列
		 * 
		 * ps:排序用到了选择排序，详情请查看选择排序
		 */
		double[] r = new double[n];
		int[] index = new int[n];
		for (int i = 0; i < n; i++) {
			r[i] = (double) v[i] / (double) w[i];
			index[i] = i;
		}
		double temp = 0;
		for (int i = 0; i < n - 1; i++) {
			for (int j = i + 1; j < n; j++) {
				if (r[i] < r[j]) {
					temp = r[i];
					r[i] = r[j];
					r[j] = temp;
					int x = index[i];
					index[i] = index[j];
					index[j] = x;
				}
			}
		}
		/**
		 * 排序后的重量和价值分别存到w1[]和v1[]中
		 */
		int[] w1 = new int[n];
		int[] v1 = new int[n];
		for (int i = 0; i < n; i++) {
			w1[i] = w[index[i]];
			v1[i] = v[index[i]];
		}
		/**
		 * 初始化解向量x[n]
		 */
		int[] x = new int[n];
		for (int i = 0; i < n; i++) {
			x[i] = 0;
		}
		/**
		 * 求解并打印解向量
		 */
		for (int i = 0; i < n; i++) {
			if (w1[i] <= c) {
				x[i] = 1;
				c = c - w1[i];
			}
		}
		System.out.println("The solution vector is(解向量是：)" + Arrays.toString(x));
		/**
		 * 根据解向量求出背包中存放物品的最大价值并打印
		 */
		int maxValue = 0;
		for (int i = 0; i < n; i++) {
			if (x[i] == 1)
				maxValue += v1[i];
		}
		System.out.println("Now, the largest values of objects in the pack is(背包中物品的最大价值为：)" + maxValue);
	}

补充说明：

1、每件物品只有一件。

2、放入背包的顺序，是单位重量价值最高的物品。（此处即是贪心算法的策略）

3、index[x]数组用于保存物品的编号。这样排序以后，就能通过这个序号，找出相应物品的重量和价值。

4、算法执行前，初始条件是背包中未放入任何物品，即x[i]  = 0；放入则值为1.

5、背包中物品的最大值为maxValue.

参考文章：

1、http://blog.csdn.net/double501/article/details/5895201