【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