算法设计与分析——背包问题（Java）

【问题】给定n个物品和一个容量为C的背包，物品的重量是，其价值为，背包问题(Knapsack problem)是如何选择装入背包的物品，使得装入背包中物品的总价值最大。注意和0/1背包问题的区别，在背包问题中，可以将某种物品的一部分装入背包中，但不可以重复装入。

【想法】用贪心法求解背包问题的关键是如何选定贪心策略，使得按照一定的顺序选择每个物品，并尽可能的装入背包，直到背包装满。至少有三种看似合理的贪心策略：

    （1）选择价值最大的物品，因为这可以尽可能地增加背包总价值。但是，虽然每一步选择获得了背包价值的极大增长，但背包容量却可能消耗得太快，使得装入背包的物品个数减少，从而不能保证目标函数达到最大。

    （2）选择重量最轻的物品，因为这可以装入尽可能多的物品，从而增加背包的总价值。但是，虽然每一步选择使背包的容量消耗得太慢了，但背包的价值却没能保证迅速增长，从而不能保证目标函数达到最大值。

    （3）以上两种贪心策略或者只考虑背包价值的增长，或者只考虑背包容量的消耗，而为了求得背包问题的最优解，需要在背包价值增长和背包容量消耗二者之间寻找平衡。正确的贪心策略是选择单位重量价值最大的物品。

【算法】设背包容量为C，共有 n 个物品，物品重量存放在数组 w [ n ] 中，价值存政仕组 v [ n ]中，问题的解存放在数组x[n]中，贪心法求解背包问题的算法如下。

输人：背包容量 C ，物品重量 w [ n ]，物品价值 v [ n ]

输出：数组 x [ n ] 

1.改变数组w和v的排列顺序，使其按单位重量价值 v [ i ] / w [ i ] 降序排列；

2.将数组 x [ n ] 初始化为 O；

3.i = 0；

4.循环直到 ( w [ i ] > C )

    4.1 将第个物品放人背包： x [ i ] = 1;

    4.2 C = C - w [ i ]；

    4.3 i++

5, x [ i ] = C / w ［ i ]。

【算法分析】算法7.7的时间主要消耗在将各种物品按照单位重量的价值从大到小排序。因此，其时间复杂性为 O ( )。
       背包问题与0/1背包问题类似，所不同的是在选择物品 i ( 1≤ i ≤ n ）装人背包时，可以选择一部分，而不一定要全部装人背包。背包问题可以用贪心法求解，而0/1背包问题却不能用贪心法求解。事头上，在考虑0/1背句问题时，应比较选择该物品和不选择该物品所导致的方案，然后再做街最优选择，由此导出许多互相重叠的子问题，所以，0/1背包问题适合用动态规划法求解。

【算法实现】设函数KanpSack实现贪心法求解背包问题，简单起见，假设物品已经按照单位重量排序，算法用；Java语言面熟如下：

public class KnapSack {
    public static void main(String[] args) {
        int [] w = new int[]{10, 30, 20};
        int [] v = new int[]{50, 120, 60};
        int C = 50;
        KnapSack knapSack = new KnapSack();
        int value = knapSack.KnapSack(w, v, 3, C);
        System.out.println("背包获得的最大价值是："+value);
    }
    int KnapSack(int w[ ], int v[ ], int n, int C) {
        double[] x = new double[10];           //物品可部分装入
        int maxValue = 0;
        int i;
        for (i = 0; w[i] < C; i++) {
            x[i] = 1;                 //将物品i装入背包
            maxValue += v[i];
            C = C - w[i];             //背包剩余容量
        }
        x[i] = (double) C / w[i];        //物品i装入一部分
        maxValue += x[i] * v[i];
        return maxValue;              //返回背包获得的价值
    }
}

运行结果如下：

 from：算法设计与分析（第2版）——王红梅 胡明 编著——清华大学出版社