问题背景:
假设有5件物品重量分别是{0,2,3,4,5,9} ,价值分别是{0,3,4,5,6,10},现在有个小偷来偷东西,可怜的是他只带了一个能容纳20千克的背包,现在问如何挑选能够使得背包物品价值达到最大? (每种物品只能挑选一次)
思路与代码:
1.递归求解:我们知道,要解决01背包问题,就必须要做对比。首先我们要确定递归的出口,当物品数量为0的时候,或者当书包容量为0,就不能再装货物了,这就是递归的出口。接下来,我们要判断第i件物品的重量是不是大于当前的物品重量,如果大于,则不挑选该物品,小于则挑选,继续向下进行递归,直至满足递归出口条件。
求解代码:
- import java.util.*;
- public class 递归实现 {
- /**
- *
- * @param i 第i件物品
- * @param j 书包的重量
- * @param V 物品的价值
- * @param W 物品的重量
- * @return
- */
- public static int dfs(int i,int j,int[]W,int[]V){
- //检查物品个数是否小于等于0,书包容量是否足够容纳第i件物品
- if(i<=0||j==0){ return 0;}
- if(W[i]>j){return dfs(i-1, j, W, V);}
- int value,value2=0;
- //不选择第i件物品,则递归挑选除去第i件物品的剩余物品
- value=dfs(i-1, j, W,V);
- //选择第i件物品,同时要减去对映的背包空间,且要加上物品i的价格V[i]
- value2=dfs(i-1, j-W[i],W,V)+V[i];
- //如果不选择第i件物品的递归返回结果大于选择第i件的递归返回结果,则返回不选择第i件的结果
- if(value>value2){return value;}
- //反之返回选择第i件物品的结果
- return value2;
- }
- public static void main(String[] args) {
- //物品金额,0相当于开头位置的作用,规范数组下标
- int []V={0,3,4,5,6,10};
- //物品的总重量,0相当于开头位置的作用,规范数组下标
- int []W={0,2,3,4,5,9};
- //假设书包容量是20
- System.out.println(dfs(5,20,W,V));
- }
- }
2.动态规划的求解 :首先该问题就是在于选择或者不选择第i件物品,故此可以归于动态规划问题,我们要求出一个状 态转义方程去解决该问题:假设背包状态的数组为bag[i][j],其中i代表有i件物品,j代表书包容量。假设V[i]代表第i个物品的金额,W[i]代表第i个物品的重量。我们要找到动态规划的关键点:选择或不选择第i件物品。于是就有以下的状态转义方程
bag[i][j]=bag[i-1][j] ............... 不选择第i件
bag[i][j]=bag[i-1][j-W[i]]+V[i] ............... 选择第i件
当W[i]>j,不可以选择第i件,而当W[I]<=j时可以选择第i件也可以不选择第i件。其中,bag[i][j]为当前状态,选择完毕要除去选中或者不选的那件物品,即i-1,选择某件物品后要减去对应占有的背包空间。有了上面式子,只需要对比选择和不选择第i件物品的大小就知道哪种做法得到的价值最高。
求解代码:
- import java.util.*;
- /**
- * 运用动态规划解决
- *
- */
- public class Main {
- public static void main(String[] args) {
- //背包总重量
- int bag_weight=20;
- //物品个数
- int shopping_num=5;
- //物品金额
- int []V={0,3,4,5,6,10};
- //物品的重量
- int []W={0,2,3,4,5,9};
- //定义背包容量与物品个数的状态数组 bag[i][j];i表示当前有i件,j表示当前的容量
- int [][]bag=new int[shopping_num+1][bag_weight+1];
- //依次选择第i件物品
- for(int i=1;i<=shopping_num;i++){
- //依次的增加背包容量数目
- for(int j=1;j<=bag_weight;j++){
- if(i>0&&W[i]<=j){
- bag[i][j]=(bag[i-1][j]>bag[i-1][j-W[i]]+V[i]?bag[i-1][j]:bag[i-1][j-W[i]]+V[i]);
- }
- else{
- bag[i][j]=bag[i-1][j];
- }
- }
- }
- System.out.println(bag[shopping_num][bag_weight]);
- }
- }
参考文档:
1.https://blog.csdn.net/sinat_34022298/article/details/77653693?locationNum=8&fps=1