0-1背包
问题描述:一个背包总容量为V,现在有N个物品,第i个 物品体积为weight[i],价值为value[i],现在往背包里面装东西,怎么装能使背包的内物品价值最大?
看到这个问题,可能会想到贪心算法,但是贪心其实是不对的。例如最少硬币找零问题,要用动态规划。动态规划思想就是解决子问题并记录子问题的解,这样就不用重复解决子问题了。
0-1未优化
动态规划先找出子问题,我们可以这样考虑:在物品比较少,背包容量比较小时怎么解决?用一个数组f[i][j]
表示,在只有i个物品,容量为j的情况下背包问题的最优解,那么当物品种类变大为i+1时,最优解是什么?第i+1个物品可以选择放进背包或者不放进背包(这也就是0和1),假设放进背包(前提是放得下),那么f[i+1][j]=f[i][j-weight[i+1]]+value[i+1]
;如果不放进背包,那么f[i+1][j]=f[i][j]
。
这就得出了状态转移方程:
f[i+1][j]=max(f[i][j],f[i][j-weight[i+1]+value[i+1])
实现代码:
import java.util.Scanner;
/**
* @author sxq
*测试数据:
5 10
2 6
2 3
6 5
5 4
4 6
ans = 15
*/
public class Main {
public static void main(String[] args) {
// TODO Auto-generated method stub
Scanner cin = new Scanner(System.in);
final int N = cin.nextInt();//物品数量
final int M = cin.nextInt();//最大承重
int [] weight = new int[N + 1];
int [] value = new int[N + 1];
for(int i = 1 ; i <= N ; i ++) {
weight[i] = cin.nextInt();
value[i] = cin.nextInt();
}
//0-1背包 solution1
int [][] f = new int [N + 1][M + 1];
for(int i = 1 ; i <= N ; i ++) {
for(int j = 1 ; j <= M ; j ++) {
if(weight[i] <= j ) {
f[i][j] = Math.max(f[i-1][j], f[i-1][j - weight[i]] + value[i]);
}else {
f[i][j] = f[i-1][j];
}
}
}
System.out.println(f[N][M]);
}
}
0-1内存优化
在hihocoder上面还讲到可以进一步优化内存使用。上面计算f[i][j]
可以看出,在计算f[i][j]
时只使用了f[i-1][0……j]
,没有使用其他子问题,因此在存储子问题的解时,只存储f[i-1]
子问题的解即可。这样可以用两个一维数组解决,一个存储子问题,一个存储正在解决的子问题。
再进一步思考,计算f[i][j]
时只使用了f[i-1][0……j]
,没有使用f[i-1][j+1]
这样的话,我们先计算j的循环时,让j=M……1,只使用一个一维数组即可。
for i=1……N
for j=M……1
f[j]=max(f[j],f[j-weight[i]+value[i])
代码:
import java.util.Scanner;
/**
* @author sxq
*
*测试数据
5 10
2 6
2 3
6 5
5 4
4 6
ans = 15
*/
public class Main {
public static void main(String[] args) {
// TODO Auto-generated method stub
Scanner cin = new Scanner(System.in);
final int N = cin.nextInt();//物品数量
final int M = cin.nextInt();//最大承重
int [] weight = new int[N + 1];
int [] value = new int[N + 1];
for(int i = 1 ; i <= N ; i ++) {
weight[i] = cin.nextInt();
value[i] = cin.nextInt();
}
//0-1背包 solution2
int [] f = new int[M+1];
for (int i=1; i<=N; i++) {
for (int j=M; j>=1; j--) {
if(weight[i] <= j ) {
f[j] = Math.max(f[j], f[j-weight[i]] + value[i]);
}
}
}
System.out.println(f[M]);
}
}
完全背包
问题描述:一个背包总容量为V,现在有N个物品,第i个 物品体积为weight[i],价值为value[i],每个物品都有无限多件,现在往背包里面装东西,怎么装能使背包的内物品价值最大?
对比一下,看到的区别是,完全背包问题中,物品有无限多件。往背包里面添加物品时,只要当前背包没装满,可以一直添加。那么状态转移方程为:
f[i+1][j]=max(f[i][j-k*weight[i+1]]+k*value[i+1])
,其中0<=k<=V/weight[i+1]
使用内存为一维数组,伪代码
for i=1……N
for j=1……M
f[j]=max(f[j],f[j-weight[i]+value[i])
和01背包问题唯一不同的是j是从1到M。01背包问题是在前一个子问题(i-1种物品)的基础上来解决当前问题(i种物品),向i-1种物品时的背包添加第i种物品;而完全背包问题是在解决当前问题(i种物品),向i种物品时的背包添加第i种物品。
实现代码:
import java.util.Scanner;
/**
* @author sxq
*测试数据
5 10
2 6
2 3
6 5
5 4
4 6
ans = 30
*/
public class Main {
public static void main(String[] args) {
// TODO Auto-generated method stub
Scanner cin = new Scanner(System.in);
final int N = cin.nextInt();//物品数量
final int M = cin.nextInt();//最大承重
int [] weight = new int[N + 1];
int [] value = new int[N + 1];
for(int i = 1 ; i <= N ; i ++) {
weight[i] = cin.nextInt();
value[i] = cin.nextInt();
}
//完全背包
int [] f = new int[M+1];
for (int i=1; i<=N; i++) {
for (int j=1; j <= M; j++) {
if(weight[i] <= j ) {
f[j] = Math.max(f[j], f[j-weight[i]] + value[i]);
}
}
}
System.out.println(f[M]);
}
}
背包题目HDU:
http://blog.csdn.net/libin56842/article/details/9338841