有一天,阿里巴巴赶着一头毛驴上山砍柴。砍好柴准备下山时,远处突然出现一股烟尘,弥漫着向上空飞扬,朝他这儿卷过来,而且越来越近。阿里巴巴心里害怕,担心碰到的是一伙儿强盗,他赶紧把毛驴赶到丛林的小道里,自己爬到一棵大树上躲了起来,这棵大树生长在一个大石头旁边。靠近以后,他才看清原来是一支马队,他们共有四十人,一个个年轻力壮、行动敏捷。一个首领模样的人背负沉重的鞍袋 ,他从丛林中来到那个大石头跟前,喃喃地说道:“芝麻,开门吧!”随着那个头目的喊声,大石头前突然出现一道宽阔的门路,于是强盗们鱼贯而入。阿里巴巴躲在树上观察他们,直到他们走得无影无踪之后,才从树上下来。 他大声喊道:“芝麻,开门吧!”他的喊声刚落,洞门立刻打开了。他小心翼翼地走了进去,一下子惊呆了, 洞中堆满了财物,还有多得无法计数的金银珠宝,有的散堆在地上,有的盛在皮袋中。突然看见这么多的金 银财宝,阿里巴巴深信这肯定是强盗们数代经营、掠夺所积累起来的宝窟。为了让乡亲们开开眼界,见识一下这些宝物,他想一种宝物只拿一个,如果太重就用锤子凿开,但毛驴的运载能力是有限的,怎么才能用毛驴运走价值最大的财宝分给乡亲们呢?
阿里巴巴陷入沉思……
背包问题
有n种物品,每种物品只有一个,第i种物品的重量为w,价值为v,背包的容量为W,物品可以分割。如何放置物品,使装入背包的物品价值之和最大?
问题分析
本题为可分割背包问题,可以尝试贪心策略。
(1)每次选择价值最大的物品装入背包。
(2)每次选择重量最小的物品装入背包。
(3)每次选单位重量价值最大的物品装入背包。
思考一下,如果选价值最大的物品,但重量非常大,则可能一个也装不下,分割一部分装入,价值未必 是最高的;如果选重量最小的物品装入,则其价值不一定高,所以在总重量受到限制的情况下无法保证价值 最大;而如果每次选单位重量价值最大的物品,则装满背包后一定能得到最大价值。
因此,应采用第3种贪心策略——每次从剩下的物品中选单位重量价值最大的物品。
算法设计
(1)确定合适的数据结构并初始化。首先将物品的重量、价值和单位重量价值定义为一种结构体类 型,然后对物品按单位重量价值从大到小进行排序。
(2)根据贪心策略,按照单位重量价值从大到小选取物品,直至达到背包容量。如果在装入第i个物品 时超出背包容量,则取该物品的一部分装入背包。
完美图解
物品的价值和重量如表 2-3 所示。如果背包容量 W=30,怎么才能装入最大价值的物品?
表2-3 物品清单
(1)贪心策略是每次选单位重量价值(价值/重量)大的物品,因此可以按单位重量价值对物品进行降 序排列,排序后的物品清单如表2-4所示。
表2-4 排序后的物品清单
(2)按照贪心策略,每次选择单位重量价值大的物品装入背包。
● 第1次选择2号物品,剩余容量为30−2=28,当前已装入物品的最大价值为8。
● 第2次选择10号物品,剩余容量为28−5=23,当前已装入物品的最大价值为8+15=23。
● 第3次选择6号物品,剩余容量为23−8=15,当前已装入物品的最大价值为23+20=43。
● 第4次选择3号物品,剩余容量为15−9=6,当前已装入物品的最大价值为43+18=61。
● 第5次选择5号物品,剩余容量为6−5=1,当前已装入物品的最大价值为61+8=69。
● 第6次选择8号物品,此时剩余容量为1,而8号物品的重量为4,无法全部装入,8号物品的单位重量价值为1.5,因此装入价值1x1.5=1.5,此时已装入物品的最大价值为69+1.5=70.5,剩余容量为0,背包已装满。
(3)构造最优解。
把这些已装入物品的序号组合在一起,即可得到最优解(2,10,6,3,5,8),其中最后一个物品为部分装入(8号物品装了1/4),已装入物品的最大价值为70.5。
算法详解
(1)确定合适的数据结构。
定义结构体
private static class Goods {
//商品i
private int goods_i;
//商品重量
private double goods_weight;
//商品价值
private double goods_value;
public Goods(int goods_i, double goods_weight, double goods_value) {
this.goods_i = goods_i;
this.goods_weight = goods_weight;
this.goods_value = goods_value;
}
public double getGoods_weight() {
return goods_weight;
}
public double getGoods_value() {
return goods_value;
}
}
用集合存储物品清单中的数据
private static List<Goods> mList = new ArrayList<>();
private static void initData() {
mList.add(new Goods(1, 4, 3));
mList.add(new Goods(2, 2, 8));
mList.add(new Goods(3, 9, 18));
mList.add(new Goods(4, 5, 6));
mList.add(new Goods(5, 5, 8));
mList.add(new Goods(6, 8, 20));
mList.add(new Goods(7, 5, 5));
mList.add(new Goods(8, 4, 6));
mList.add(new Goods(9, 5, 7));
mList.add(new Goods(10, 5, 15));
}
(2)对物体单位重量价值进行排序。
//按照单位重量价值从大到小排(冒泡算法)
Goods good = null;
for (int i = 0; i < mList.size() - 1; i++) {
for (int j = 0; j < mList.size() - i - 1; j++) {
//单位重量价值的商品(v/w)
double agoValue = mList.get(j).getGoods_value() / mList.get(j).getGoods_weight();
double afterValue = mList.get(j + 1).getGoods_value() / mList.get(j + 1).getGoods_weight();
if (agoValue < afterValue) {
good = mList.get(j);
mList.set(j, mList.get(j + 1));
mList.set(j + 1, good);
}
}
}
for (int i = 0; i < mList.size(); i++) {
double value = mList.get(i).getGoods_value() / mList.get(i).getGoods_weight();
System.out.println("good:" + new Gson().toJson(mList.get(i)) + ", 单位重量价值:" + value);
}
//输出日志:good:{"goods_i":2,"goods_weight":2.0,"goods_value":8.0}, 单位重量价值:4.0
// good:{"goods_i":10,"goods_weight":5.0,"goods_value":15.0}, 单位重量价值:3.0
// good:{"goods_i":6,"goods_weight":8.0,"goods_value":20.0}, 单位重量价值:2.5
// good:{"goods_i":3,"goods_weight":9.0,"goods_value":18.0}, 单位重量价值:2.0
// good:{"goods_i":5,"goods_weight":5.0,"goods_value":8.0}, 单位重量价值:1.6
// good:{"goods_i":8,"goods_weight":4.0,"goods_value":6.0}, 单位重量价值:1.5
// good:{"goods_i":9,"goods_weight":5.0,"goods_value":7.0}, 单位重量价值:1.4
// good:{"goods_i":4,"goods_weight":5.0,"goods_value":6.0}, 单位重量价值:1.2
// good:{"goods_i":7,"goods_weight":5.0,"goods_value":5.0}, 单位重量价值:1.0
// good:{"goods_i":1,"goods_weight":4.0,"goods_value":3.0}, 单位重量价值:0.75
(3)使用贪心算法求解问题
在单位重量价值排序的基础上,使用贪心算法求解问题。如果当前物品的重量小于或等于剩余容量,则可以装入,将剩余容量减去当前物品的重量,同时将已装入物品的价值加上当前物品的价值。如果当前物品的重量大于剩余容量,则表示不可以全部装入,但可以部分装入,直到背包装满,将剩余容量乘以当前物品的单位重量价值,与已装入物品的价值相加,即为已装入物品的最大价值。
//物品的总价值
private static double solve(List<Goods> list) {
double W = 30; //背包总容量
double sum = 0.0; //sum表示已装入物品的价值之和
double cleft = W; //背包的剩余容量
for (int i = 0; i < list.size(); i++) { //使用贪心算法求解问题
if (list.get(i).getGoods_weight() <= cleft) { //如果物品的重量小于或等于剩余容量
cleft -= list.get(i).getGoods_weight();
sum += list.get(i).getGoods_value();
} else { //如果物品的重量大于剩余容量
double p = list.get(i).getGoods_value() / list.get(i).getGoods_weight();
sum += cleft * p; //部分装入
break;
}
}
return sum;
}
double solve = solve(mList);
System.out.println("solve:" + solve);
//输出日志:solve:70.5