前几天看了一篇0-1背包问题的回溯算法解决方案,代码量很少,但当时看了好久外加debug,也没看懂这几行代码到底要干嘛。贴一下这几行代码
public class DGTest {
//背包最终的最大承重量。maxW 小于等于 w。w是背包的一个属性,maxW是在实际的场景中,背包实际能装的重量。
private int maxW = Integer.MIN_VALUE;
//背包实际的最大承重量
private int w = 9;
//待装入背包的商品的数量
private int n = 5;
//商品的集合
private int[] items = new int[]{2, 2, 4, 6, 3};
/**
* 0-1背包问题回溯算法
*
* @param i 当前考察到第几个商品了
* @param cw 当前背包的重量
*/
public void f(int i, int cw) {
//背包满了或者已考察完所有的商品
if (cw == w || i == n) {
if (cw > maxW) {
//记录当前背包的最大承重量
maxW = cw;
}
return;
}
//AAAAA选择不装第i个物品
f(i + 1, cw);
if (cw + items[i] <= w) {
//BBBBB选择装第i个物品
f(i + 1, cw + items[i]);
}
}
@Test
public void testDG() {
f(0, 0);
System.out.println(maxW);
}
}
大家能看到,实际的代码就是两个递归。
当时实在看不懂,没有纠结,先过了,后面有了思路再回来看。过了两天,在看一篇用递归树计算递归时间复杂度的文章中,突然有了灵感。所以记录一下这个灵感,不一定能解决这个问题,更像是一个突破口。
第一个递归处(标注了AAAAA),是先不装这个物品,然后进入递归,等递归执行完,再继续执行装这个物品。一个物品,要么装,要么不装。2个递归的逻辑,把这两个操作都包含了,其他物品也是一样的逻辑。实际上当考察完所有的物品,所有的商品组合操作就都尝试了一遍了。在尝试过程中,记录最大的能装入背包的组合。
这种算法,在数学上,其实就是穷举,找到所有的解决方案,从中挑一个最优的。当我们找不到高效解决方案的时候,这也算是一种方案。万能方案,😄。
附赠一下,上述算法的递归树,这张图的来源是极客时间的<数据结构与算法之美>课程,感兴趣的同学可以订阅看一下,对于入门来说挺不错的。
解释一下这张图,首先是根部的f(0,0),然后分解为f(1,0)和f(1,2),f(1,0)就代表考察到第一个物品,不装入背包。f(1,2)就代表考察到第一个物品,装入背包。剩下的递归操作和这个操作一样,依次类推。递归树对于理解递归过程很有用,这种分析方法要掌握起来。