0-1、完全背包问题、多重背包问题理解（不含优化）

最新推荐文章于 2021-07-02 11:53:36 发布
最新推荐文章于 2021-07-02 11:53:36 发布
阅读量406 收藏 2
点赞数
文章标签： 算法 动态规划 java
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/qq_30761967/article/details/107819293
版权

标题0-1背包问题

公式

                 |   dp[i-1][j]    ,   w[i]>val  公式（一）
 dp[i][j] =    |
                 |   max(dp[i-1][j],dp[i-1][j-w[i]]+v[i])  ,w[i]<=val  公式（二）

其中dp标识的是这样的一个二维数组，即前i种物品在背包的存放量为j时所能放置的最大的物品价值。其中w是一个一维数组表示的是一系列的物品的重量，v是一个与w对应的数组里面的是每一个物品的价值。val为当前的背包的剩余容量，如果当前的物品重量比剩余容量大，俺么只能选取之前的。如果当前的容量可以存放下当前物品那么就进行价值比较。
现在来句一个例子，并一步一步的推导出dp数组。

    int w[]={2,3,4,5};  //四个物品，重量分别为2，3，4，5
    int v[]={3,4,5,6};//四个物品对应的价值，分别为3，4，5，6
    int val=8;        //背包的总容量为8
    int dp[][] = new int[w.length][val+1]; //定义一个dp数组，因为8算是最大值，所以要去到8，那么列数就只能是9。
第一步先求出dp的第一行，也就是只有一个物品时背包如何存放

如例子所示先给出第一行的列表：

iwv012345678
023003333333

如表所示，只有当当前的背包的容量大于等于物品0也就是第一个物品的时候才会有具体的价值，所以当背包容量为2的时候此时的价值为3，后续不管背包如何大，因为只能拿一个所以价值一直为3 。
下面来推导一下两个物品时的dp值该如何选取。

  1. 首先还是那样只有当当前的背包的容量大于当前的物品的重量的时候才可以放入物品。所以背包容量为0，1时不能存放任何的物品，所以此时的价值为0.即dp[1][0]=dp[1][1] = 0.
  2. 此时到了背包的容量为2了，那么对于物品0来说可以放下，但是对于物品而来说就放不下了，所以按照公式直接可以得出答案就是dp[i][j]=dp[i-1][j]=2 。
  3. 此时到了背包容量为3了，那么对于物品0来说可以放下且价值为3，对于物品1来说也是可以放下的，且价值为4.根据公式第一条肯定不满足即当前的背包是可以存放下当前物品即物品1的。那么就按照第二个公式来判断，即max(dp[i-1][j],dp[i-1][j-w[i]]+v[i]) ，此时的dp[i-1][j] (i=1,j=3),那么就是dp[0][3],对比上表可知为3，此时的w[i]为3，v[i] 为4.那么就是max(3,dp[0][3-3]+4)=max(3.4)=4,所以当前的dp[1][3]=4 。
  4. 同理计算背包容量为4时，那么对于物品0来说可以放下且价值为3，对于物品1来说也是可以放下的，且价值为4.根据公式第一条肯定不满足即当前的背包是可以存放下当前物品即物品1的。那么就按照第二个公式来判断，即max(dp[i-1][j],dp[i-1][j-w[i]]+v[i]) ，此时的dp[i-1] [j] (i=1,j=4)，那么就是dp[0][4],对比上表可知为3，此时的w[i]为3，v[i] 为4.那么就是max(3,dp[0][4-3]+4)=max(3.4)=4,所以当前的dp[1][4]=4 。
  5. 同理计算背包容量为5的情况，那么对于物品0来说可以放下且价值为3，对于物品1来说也是可以放下的，且价值为4.根据公式第一条肯定不满足即当前的背包是可以存放下当前物品即物品1的。那么就按照第二个公式来判断，即max(dp[i-1][j],dp[i-1][j-w[i]]+v[i]) ，此时的dp[i-1][j] (i=1,j=5)，那么就是dp[0][5],对比上表可知为3，此时的w[i]为3，v[i] 为4.那么就是max(3,dp[0][5-3]+4)=max(3.7)=7,所以当前的dp[1][5]=7 。
  6. 下面的就基本上不变了，因为在背包容量为5的时候就已经将两个物品都放入背包中那么即使背包再打那么也只能在放入两个物品了，所以后面的值和背包容量为5的值一样。

如下表：

iwv012345678
023003333333
134003447777

下面在说一下剩下的情况
前三个物品的情况，按照上面的步骤一步一步的解析，如在背包容量为8的时候那么如何判断呢？首先8肯定是大于第三个物品的重量4的所以选择第二个公式，那么就来计算一下第二个公式里的两个只把，首先dp[i-1][j] = dp[1][8] =7,dp[i-1][j-w[i]] +v[i]= dp[1][4] +v[2] = 4+5 = 9,所以dp[2][8] = 9.
如表所示：

iwv012345678
023003333333
134003447777
245003457899

那么最后的前四个物品的情况也是同理，如在背包容量为8的时候那么如何判断呢？首先8肯定是大于第四个物品的重量5的所以选择第二个公式，那么就来计算一下第二个公式里的两个值吧，首先dp[i-1][j] = dp[2][8] =9,dp[i-1][j-w[i]] +v[i]= dp[2][3] +v[3] = 4+6 = 10,所以dp[2][8] = 10.
如表格所示：

iwv012345678
023003333333
134003447777
245003457899
3560034578910

所以只要按照公式来就可以计算出来所有的情况，最后返回一下dp的最后一个值即可即10.
贴出代码：

public class OneZeroProblem {
    int w[]={2,3,4,5};
    int v[]={3,4,5,6};
    int val=8;
    int dp[][] = new int[w.length][val+1];
    public OneZeroProblem(){
//        先处理第一行的数据，即要不是0，要不是第一个物品的价值
        for (int i = 0; i <= val; i++) {
            if (w[0]>i)
                dp[0][i] = 0;
            else
                dp[0][i] = v[0];
        }
//         然后按照递推公式也就是状态转移公式来计算每一个数值。
        for (int i = 1; i < w.length; i++) {
            for (int i1 = 0; i1 <= val; i1++) {
                dp[i][i1] = getresult(i,i1,i1);
            }
        }
        for (int i = 0; i < w.length; i++) {
            for (int i1 = 0; i1 <= val; i1++) {
                System.out.print(dp[i][i1]+"  ");
            }
            System.out.println();
        }
    }
    public int getresult(int i,int j,int cap){
//        1.如过当前的重量大于当前的容量，那么就是前一个数的最大值。
        if (w[i]>cap)
            return dp[i-1][j];
        else{// 将之前的最大值即剩余容量不变或是（（将当前的剩余质量-减去当前物品的重量的价值）+当前物品的价值）
            //这两个值取至大值。
            return Math.max(dp[i-1][j],dp[i-1][j-w[i]]+v[i]);
        }
    }

    public static void main(String[] args) {
        new OneZeroProblem();
    }
}

|在这里插入图片描述

完全背包问题

与上面的01背包问题不一样的是完全背包问题不限制拿取的物品的个数，但是这个完全可以由01背包问题推导出来。唯一的区别就是这个物品拿多少的问题。
还是以第一个物品举例，但是背包的容量变大了变为了28（取大一点方便展示效果）
如0，1都是为0，因为他们还没有物品1大。到了背包容量为2时此时可以存放下物品1了，那么价值就是为3，容量为3时，价值为3，因为现在的容量放不下两个物品1.容量为4时价值为6，应为此时可以存放2个物品1了，。。。。。容量为28时价值为42.

iwv012345678…28
0230033669912…42

好了，第一个被解出来了，那么后面的就好办了，唯一需要理解的就是当前的背包可不可以放下当前序号的物品，如果能的话，那么能放下几个，并且和之前的不放这个物品的价值做比较。所以因为多了一个能放几个物品所以需要额外的一个for循环来找到物品存放的最佳个数。
所以需要将之前的公式改变一下：

                 |   dp[i-1][j]    ,   w[i]>va  公式（一）
 dp[i][j] =    |
                 |   max(dp[i-1][j],dp[i-1][j-k*w[i]]+k*v[i])  ,k*w[i]<=val  公式（二）

其中k为选取当前物品的数量。
如前两个物品来举例：

  1. 0，1都是不满足的，直接为0.
  2. 对于背包容量为2，那么依据公式二可知此时的价值为3
  3. 对于背包容量为3，那么依据公式2可知此时的价值为4.
  4. 对于背包容量为4，那么可知此时的k只能取1或是0，如果取0，那么就是dp[i-1][j]=dp[0][4] = 6,如果选择1的话那么就是max(6,5) = 6，所以最终的结果是6.
  5. 对于背包容量为5，那么可支持此时的k也只能是0.1，那么最终的结果还是和上面的一样为6.
  6. 对于背包容量为6.那么k的可选值为0，1，2，那么最终的结果是选0为9，选1为max(9,3+4)=9,选择2的话那么最终的结果是max(9,8)=9.
  7. 对于背包容量为7,和背包容量为6的那个都是9.
  8. 对于背包容量为8，和背包容量为6的那个都是9.
  9. 对于背包容量为28，那么k的可选范围为0，1，2，。。。。，9那么最终的结果就是42.

如表所示：

iwv012345678…28
0230033669912…42
1340033669912…42

后面的物品均和之前一样的判断

iwv012345678…28
0230033669912…42
1340033669912…42
2450033669912…42
3560033669912…42

贴出代码：

public class AbsolutePacketProblem {
    int w[]={2,3,4,5};
    int v[]={3,4,5,6};
    int val=28;
    int dp[][] = new int[w.length][val+1];
    public AbsolutePacketProblem(){
        for (int i = 0; i <= val; i++) {
            if (w[0]>i)
                dp[0][i]=0;
            else{
                for(int k=1;k*w[0]<=i;k++){
                    dp[0][i] = k*v[0];
                }
            }
        }
        for (int i = 1; i < w.length; i++) {//物品放置的个数，从两个开始以知道最终的物品的个数
            for (int i1 = 0; i1 <= val; i1++) {//背包的容量，从0到val
                int max =0;
                //在这里判断可以放置当前物品的个数，并求出最佳组合的价值
                for(int k=0;k*w[i]<=i1;k++){
                    int getresult = getresult(i, i1, k);
                    if (getresult>max)
                        max = getresult;
                }
                dp[i][i1] = max;
            }
        }
        System.out.print("             ");
        for (int i = 0; i <= val; i++) {
            System.out.print(i+"  ");
        }
        System.out.println();
        for (int i = 0; i < w.length; i++) {
            System.out.print(i+" "+"w: "+w[i]+" v: "+v[i]+"  ");
            for (int i1 = 0; i1 <= val; i1++) {
                System.out.print(dp[i][i1]+"  ");
            }
            System.out.println();
        }
    }
    public int getresult(int i,int i1,int k){
        if (w[i]>i1){//依据公式一
            return dp[i-1][i1];
        }
        else{//依据公式二
            return Math.max(dp[i-1][i1],dp[i-1][i1-k*w[i]]+v[i]*k);
        }
    }

    public static void main(String[] args) {
        new AbsolutePacketProblem();
    }
}

在这里插入图片描述

多重背包问题

这个问题就跟简单了，背包问题解决了，那么这个问题就很简单了。只需要在完全背包问题的最后一层for循环上添加一个判断即可，先看公式：

                 |   dp[i-1][j]    ,   w[i]>va  公式（一）
 dp[i][j] =    |
                 |   max(dp[i-1][j],dp[i-1][j-k*w[i]]+k*v[i])  ,k*w[i]<=val&&k<Knum[i]  公式（二）

其中Knum[i]指的是第i个物品的个数。

代码：

public class MutiPacketProblem {
    /**
 输入：
     第一行两个输入n，m 分别是物品种类和背包的大小
     第二行,n个数分贝是每个物品的重量
     第三行n个数，分别是每个物品的价值
     第四行n个数，分别是每个物品的个数
4 5
1 2 3 4
2 4 4 5
3 1 3 2
     */
    int[] W;
    int[] V;
    int[] Wnums;
    int[] packets;
    int[][] dp;
    public void ScannerInit(){
        Scanner sc = new Scanner(System.in);
        int n = sc.nextInt();
        int cap = sc.nextInt();
        W = new int[n];
        V = new int[n];
        Wnums = new int[n];
        packets = new int[cap+1];
        for (int i = 0; i < n; i++) {
            W[i] = sc.nextInt();
        }
        for (int i = 0; i < n; i++) {
            V[i] = sc.nextInt();
        }
        for (int i = 0; i < n; i++) {
            Wnums[i] = sc.nextInt();
        }
        for (int i = 0; i <= cap; i++) {
            packets[i] = i;
        }
        dp = new int[n][cap+1];
    }
    public MutiPacketProblem(){
        ScannerInit();
        for (int j = 0; j < packets.length; j++) {
            if (W[0]>j)
                dp[0][j] = 0;
            else {
                for (int k = 1; k * W[0] <= j && k <= Wnums[0]; k++) {
                    dp[0][j] = k*V[0];
                }
            }
        }
        for (int i = 1; i < W.length; i++) {
            for (int j = 0; j < packets.length; j++) {
                for(int k = 1;k*W[i]<=j&&k<=Wnums[i];k++){
                    dp[i][j] = getResult(i,j,k);
                }
            }
        }
        for (int i = 0; i < dp.length; i++) {
            for (int i1 = 0; i1 < dp[0].length; i1++) {
                System.out.print(dp[i][i1]+"  ");
            }
            System.out.println();
        }
    }
    public int getResult(int i,int cap,int num){
        if (W[i]>cap)
            return dp[i-1][cap];
        else
            return Math.max(dp[i-1][cap],dp[i-1][cap-W[i]*num]+num*V[i]);
    }

    public static void main(String[] args) {
        new MutiPacketProblem();
    }

}

效果：

输入
4 5
1 2 3 4
2 4 4 5
3 1 3 2
结果
0 2 4 6 6 6
0 0 4 6 8 10
0 0 0 6 8 10
0 0 0 0 8 10

混字决攻城狮
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
经典动态规划：0-1 背包问题
wolfGuiDao的博客
03-31 1423
经典动态规划：0-1 背包问题 文章目录经典动态规划：0-1 背包问题一、题目描述二、动规标准套路三、题目描述四、解法分析五、优化 一、题目描述 就讨论最常说的 0-1 背包问题，简单描述一下吧： 给你一个可装载重量为W的背包和N个物品，每个物品有重量和价值两个属性。其中第i个物品的重量为wt[i]，价值为val[i]，现在让你用这个背包装物品，最多能装的价值是多少？ 举个简单的例子，输入如下...
完全背包深度理解
Krismile_的博客
10-20 668
问题描述： 有n件物品和一个容量为v的背包，求可以得到的最大价值，不同的是每件物品的数量是无限的。其中重量是w[i]，价值是v1[i]。 思路： 这个问题非常类似于01背包问题，所不同的是每种物品有无限件。也就 是从每种物品的角度考虑，与它相关的策略已并非取或不取两种，而是有 取0件、取1件、取2件……直至取⌊V /Ci⌋件等许多种。 如果仍然按照解01背包时的思路，令F[i, v]表示前i...
01背包问题+完全背包问题+多重背包问题
紫芝的博客
08-10 1426
一 01背包问题 1.1题目 有N件物品和一个容量为V 的背包。放入第i件物品耗费的空间是Ci，得到 的价值是Wi。 求解将哪些物品装入背包可使价值总和最大。 1.2 基本思路 这是最基础的背包问题，特点是：每种物品仅有一件，可以选择放或不 放。 用子问题定义状态：即F[i, v]表示前i件物品恰放入一个容量为v的背包可以 获得的最大价值。 则其状态转移方程便是： F[i, v] ...
2020秋招_动态规划之背包问题学习总结
XindaBlack的博客
09-10 241
文章目录0-1背包问题0-1背包不超过背包体积下的最大重量0-1背包恰好装满问题完全背包问题多重背包二进制优化方法 背包问题九讲 0-1背包问题 O(V×N)O(V\times N)O(V×N) 有N件物品和一个容量为V的背包。第i件物品的费用是c[i]，价值是w[i]。求解将哪些物品装入背包可使价值总和最大。 状态转移方程：dp[i][j]dp[i][j]dp[i][j]表示前 iii 件物品，容量为 jjj 的背包，可获得最大的总价值。 dp[i][j]=max(dp[i−1][j],dp[i−1][j
完全背包问题和0-1背包问题简单理解
学而不思则忘
05-12 4063
0-1背包问题： 有N件物品和一个容量为V的背包。第i件物品的费用是c[i]，价值是w[i]。求解将哪些物品装入背包可使价值总和最大。 完全背包问题： 有N种物品和一个容量为V的背包，每种物品都有无限件可用。第i种物品的费用是c[i]，价值是w[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量，且价值总和最大。   可以看出，两种问题的不同是完全背包问题的物品可以无限用，虽...
0-1背包问题-算法简洁易懂
05-23
0-1背包问题算法简洁易懂 0-1背包问题简介 0-1背包问题是算法设计中的一种经典问题。它是一个组合优化问题，属于NP-hard问题。问题的描述是：给定一组物品，每个物品都有一个价值和一个重量，要求在不超过背包容量...
背包问题-使用Python实现0-1背包问题.zip
03-21
0-1背包问题的变种有很多，例如完全背包问题（每个物品可以无限个）、多重背包问题（每个物品有有限的数量），以及最优化问题（如最小化重量以达到固定价值）。Python作为一门强大且易读的编程语言，非常适合用来...
0-1背包问题的Python实现-解法.zip
最新发布
03-21
0-1背包问题是一种经典的组合优化问题，在计算机科学和运筹学中有着广泛的应用。它描述的是这样的场景：你有一组物品，每种物品都有一个重量和一个价值，你需要将这些物品装进一个有限容量的背包中，目标是使得装入...
0-1背包_0-1背包问题_背包算法_背包_
10-04
0-1背包问题在实际应用中有很多变种，如完全背包问题（每个物品可以无限数量放入背包）、多重背包问题（每个物品有固定数量）等，每种变种都有相应的优化算法。理解和掌握0-1背包问题及其算法，对于解决实际生活中...
0-1背包问题和背包问题的多种算法实现
11-29
0-1背包问题和背包问题是运筹学中的经典问题，主要应用于资源分配、工程优化等领域。在这些问题中，我们需要在给定的容量限制下，选择物品以最大化总价值或总重量。这里我们将深入探讨三种主要的算法：动态规划法、...
0—1背包问题的动态规划法及回溯法
12-08
设有一个背包可以放入的物品重量为S，现有n件物品，重量分别是w1，w2，w3，…wn。 问能否从这n件物品中选择若干件放入背包中，使得放入的重量之和正好为S。 如果有满足条件的选择，则此背包有解，否则此背包问题无解。 Input输入数据有多行，包括放入的物品重量为s，物品的件数n，以及每件物品的重量（输入数据均为正整数） 多组测试数据。 Output对于每个测试实例，若满足条件则输出“YES”，若不满足则输出“NO“ Sample Input 20 5 1 3 5 7 9 Sample Output YES
0/1背包问题
zz2230633069的博客
11-26 452
问题描述：
完全背包问题
素有凌云志，我为代码狂
07-02 250
问题描述 有n种物品，每种物品的单件重量为w[i]，价值为c[i]。现有一个容量为V的背包，问如何选取物品放入背包，使得背包内物品的总价值最大。其中每种物品都有无穷件。 先放出综合代码 #include <bits/stdc++.h> using namespace std; const int N = 1e3; int dp[N][N];//二维 int n, m; int w[N],v[N]; int cp[N];//一维 int main() { cin >>.
经典算法问题——“0” “1”背包问题
Mr_楠先森的博客
10-25 714
对于“”0 “ 1”背包问题相信大家对于网上的问题一定找了很多，无非两种算法，即—— （1）方向为从上到下的进行输出的问题  （2）方向为从下到上的一次输出的问题   V为所放入的物品的价值所在    W为所放入的物品的容量      C设为背包的总容量 v1=1 v2=3 v3=5 v4=9 w1=2 w2=3 w3=4 w4=...
简单背包问题
g_idea的专栏
08-24 5061
0/1背包问题:设有4个物体,其重量分别为(4,7,5,3),价值为(40,42,25,12),背包容量W = 10. 将货物按单位重量价值排序得到:   物体编号 单位重量(W) 单位价值(V) 价值/重量(V/W) a 4 40 10 b
分支限界法处理0/1背包问题
热门推荐
ItaLink
05-30 1万+
问题描述：有4个物品，其重量分别为（4,7,5,3），价值分别为（40,42,25,12），背包容量为W=13。已知每个物品不可再分割，如何选择装入背包的物品，使得装入背包中的物品的总价值最大。使用分支限界法求解该问题 #include<iostream> #include<vector> #include<queue> using namespac...
动态规划4-01背包问题
weixin_40275691的博客
03-04 590
问题描述 有n 个物品，它们有各自的重量和价值，现有给定容量的背包，如何让背包里装入的物品具有最大的价值总和？ 返回最大价值和选择的物品重量（索引也是可以的）。 测试数据 重量数组w[2,3,4,5] 价值数组v[3,4,5,6] 背包容量 8 返回 最大价值10 物品[3, 5] 或返回索引[1, 3] 思路 设dp[i][j]为前i个物品中背包容量为j时的最大价值，则状态方程 dp[i][j...
背包问题（0/1背包，完全背包，多重背包）
CodeWorld
05-14 254
你的背包让我走得好缓慢，借了终于陪着我腐烂 1. 0/1背包 有一个腐烂的背包，容量为v,现有n件物品，每件物品有两个属性，体积w,和价格p,我们要选择物品往背包里放，使得在物品总容积不超过v的情况下价值最大。 思路： 1）我们只在乎某件物品放不放进背包，而不在乎放进去的顺序，因为物品一样，顺序不一样，结果相同。 2）我们从第一件物品开始考虑，只有两种情况，放或不放，然后考虑第二件物品，...
背包问题（0-1背包问题和完全背包问题）
冷咖啡离开了杯垫，来到了博客
06-19 1204
一. 0-1背包问题 给了一些物品的重量和价值，背包只能装下一定重量的物品，求背包能装物品的最大价值（0-1背包问题约定每个物品最多只能用一次）。 w = [5, 4, 7 ,2 ,6] #重量 p = [12,3,10, 3, 6] #价值 v = 12 #包能装下的总重量 n = 5 #物品个数 1）不超过总重量（不要求装满）的情况下，价值最大 w = [5, 4, 7 ,2 ,6...
遗传算法解决0-1背包问题的C语言实现
本文探讨了如何使用遗传算法来解决0-1背包问题，这是一种经典的组合优化问题，属于NP完全问题，通常具有较高的计算复杂度。遗传算法作为一种全局优化搜索工具，因其简单、鲁棒性好、适合并行处理以及广泛应用而受到...
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