title: 01背包问题
date: 2019-09-12 16:06:46
tags: 一道公司的笔试题
01背包问题
问题描述
有n个物品,它们有各自的体积和价值,现有给定容量的背包,如何让装进去的物品具有最大的价值。举个例子来说明,假设背包的容量为8,装下面给出的四件物品:
i(物品编号) | 1 | 2 | 3 | 4 |
---|---|---|---|---|
w(体积) | 2 | 3 | 4 | 5 |
v(价值) | 3 | 4 | 5 | 6 |
总体思路
动态规划的解题步骤分为:
- 问题抽象化
- 建立模型
- 寻找约束条件
- 判断是否满足最优性原理
- 找大问题与小问题的递推关系式
- 填表
- 寻找解组成
最终找出01背包问题的最优解以及解组成,然后编写代码实现。
解题思路
其实我们正常思维,一般会想,我要尽量装满8公斤,把最大的价值求出来,可是这样的话,就需要用到递归,递归能解出来,只是算法难度高。但是什么是动态规划,动态规划就是逆着来,我要求装8公斤的物品怎么装使得价值最大。先考虑容量为0时的最大价值,在考虑容量为1时的最大价值,依次类推,每次都考虑最大价值,直到达到最大容量为止,填表记录每次结果。
动态规划原理
动态规划与分治法类似,都是把大问题拆分成小问题,通过寻找大问题与小问题的递推关系,解决一个个小问题,最终达到解决原问题的效果。但不同的是,分治法在子问题和子子问题等上被重复计算了很多次,而动态规划则具有记忆性,通过填写表把所有已经解决的子问题答案纪录下来,在新问题里需要用到的子问题可以直接提取,避免了重复计算,从而节约了时间,所以在问题满足最优性原理之后,用动态规划解决问题的核心就在于填表,表填写完毕,最优解也就找到。
最优性原理是动态规划的基础,最优性原理是指“多阶段决策过程的最优决策序列具有这样的性质:不论初始状态和初始决策如何,对于前面决策所造成的某一状态而言,其后各阶段的决策序列必须构成最优策略”。
背包问题的解决过程
分为如下几步:
- 建立模型,即求max{v1x1+v2x2+…+vnxn},其中v表示物品的价值,x为0和1,表示放物品或是不放物品
- 寻找约束条件,w1x1+w2x2+…+wnxn<Z,其中Z表示总容量,w表示物品的体积
- 寻找递推关系式,有两种情况:
- 当前的包的容量小于物品体积,装不下,此时价值与之前i-1个的价值是一样的,即v(i,j)=v(i-1,j);
- 还有足够的容量可以装该物品,但是装了也不一定达到当前的最优价值,所以在装与不装之间做选择,即v(i,j)=max{v(i-1,j),v(i-1,j-w(i))+v(i)}
- 填表,对于我们这里的例题,首先初始化边界条件,v(0,j)=v(i,0)=0;
i/j | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
---|---|---|---|---|---|---|---|---|---|
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
1 | 0 | 0 | 3 | 3 | 3 | 3 | 3 | 3 | 3 |
2 | 0 | 0 | 3 | 4 | 4 | 7 | 7 | 7 | 7 |
3 | 0 | 0 | 3 | 4 | 5 | 7 | 8 | 9 | 9 |
4 | 0 | 0 | 3 | 4 | 5 | 7 | 8 | 9 | 10 |
- 表格填完,最优解为v(4,8)=10。
代码实现
代码如下:
package 背包问题;
import java.util.Scanner;
public class Test01 {
public static void main(String[] args) {
//定义一个数组a[i][j] = a[i] i表示当前物品的序号选上,j表示这个位置能得到的最大值
//选或者不选动态规划
Scanner scn = new Scanner(System.in);
int [] w = new int[4];//表示每件物品的重量
int [] v = new int[4];//表示每件物品的价值
for(int i=1;i<5;i++) {
w[i] = scn.nextInt();//输入重量
v[i] = scn.nextInt();//输入价值
}
int [][] temp = new int[6][9]; //8表示背包最多能放8公斤的重量
for(int j=0;j<9;j++) { //初始化每一行
temp[0][j] = 0;
}
for(int i=1;i<6;i++) { //背包的重量为0的时候,最大价值肯定是0
temp[i][0] = 0;
}
for(int i=1;i<5;i++) { //从第一个物品开始选,记录我选了前面出现的物品,背包重量从1-8的能选上的最大的值
for(int j=1;j<9;j++) { //当i循环到最后一层4的时候,也就是得到了,我4件物品都选上的时候的最大的值
if(w[i]<=j) { //重量比这个状态小,那么就能放。 那么就只是放与不放,看是放重量大,还是不放重量大
temp[i][j] = Math.max(temp[i-1][j], temp[i-1][j-w[i]]+v[i]);
}else {
temp[i][j] = temp[i-1][j];//第i件物品不能放
}
}
}
for(int i=0;i<5;i++) {
for(int j=0;j<9;j++) {
System.out.printf("%-5d",temp[i][j]);
}
System.out.println();
}
}
}
原文链接:https://blog.csdn.net/qq_38410730/article/details/81667885