今天来说说你们关心的01背包问题。如果说做了动态规划这个专题,又不做背包问题的话,好像也说不过去吧。所以今天就来讲下这个01背包。当然关于动态规划的基本解法还是请看前两期,今天这个01背包我们只来就题讲题。
01背包的问题大概是说,有n个物品,每一个物品有自己的体积和价值,然后现在有一个只能容纳m体积的背包,要怎么选择物品,才能使最后的价值最大。
01背包的"0"和"1"本身就表示的是选和不选,很符合动态规划的思想。这道题其实也不难,沿用前面几题的思想就能完成。我们在选择的过程中会遇到这么几种情况:1.当前物品的体积小于背包的容积,那么我们可以选,也可以不选。2.当前物品的体积大于背包的容积,那么我们只能不选。3.当前的剩余容积已经为0,我们应当返回选择了的物品的总价值。4.已经搜索到最后一个物品,此时我们需要判断物品的体积与背包剩余容积的关系,再根据情况选与不选。
因为大致思路与前面都是一样的,所以也不多说了,直接贴上代码。
递归部分:
public static int opt(int[] value, int[] weight, int idx, int sum, int val) {
if (sum == 0) {
return val;
}
if (idx == 0) {
if (weight[idx] <= sum) {
return val+value[idx];
}
return val;
}
if (weight[idx] > sum) {
return opt(value, weight, idx-1, sum, val);
}
return Math.max(opt(value, weight, idx-1, sum, val), opt(value, weight, idx-1, sum-weight[idx], val+value[idx]));
}
非递归部分:
public static int[][] dp(int[] value, int[] weight, int idx, int sum, int val) {
int[][] arr = new int[weight.length][sum+1];
for (int i=0; i<sum+1; i++) {
if (weight[0] <= i) {
arr[0][i] = value[0];
}else{
arr[0][i] = 0;
}
}
for (int i=0; i<weight.length; i++) {
arr[i][0] = 0;
}
for (int i=1; i<weight.length; i++) {
for (int j=1; j<sum+1; j++) {
if (weight[i] > j) {
arr[i][j] = arr[i-1][j];
}else{
arr[i][j] = Math.max(arr[i-1][j-weight[i]]+value[i], arr[i-1][j]);
}
}
}
return arr;
}