/**
* 问题描述:
* 一个背包的总容量为V,现在有N类物品,第i类物品的重量为weight[i],价值为value[i]
* 那么往该背包里装东西,怎样装才能使得最终包内物品的总价值最大。这里装物品主要由三种装法:
* 1、0-1背包:每类物品最多只能装一次
* 2、多重背包:每类物品都有个数限制,第i类物品最多可以装num[i]次
* 3、完全背包:每类物品可以无限次装进包内
*/
public class Backpack {
public static void main(String[] args) {
System.out.println(ZeroOnePack(4, 3,
new int[]{2, 1, 3}, new int[]{4, 2, 3}));
System.out.println();
System.out.println(ZeroOnePack2(4, 3,
new int[]{2, 1, 3}, new int[]{4, 2, 3}));
System.out.println();
System.out.println(manyPack(4, 3,
new int[]{2, 1, 3},
new int[]{4, 2, 3}, new int[]{1, 1, 1}));
System.out.println();
System.out.println(completePack(4, 3,
new int[]{2, 1, 3},
new int[]{4, 2, 3}));
System.out.println();
System.out.println(completePack2(4, 3,
new int[]{2, 1, 3},
new int[]{4, 2, 3}));
}
/**
* https://blog.csdn.net/lanyu_01/article/details/79815801
* 0-1背包问题
*
* @param V 背包容量
* @param N 物品种类
* @param weight 物品重量
* @param value 物品价值
* @return
*/
public static String ZeroOnePack(int V, int N, int[] weight, int[] value) {
//初始化动态规划数组
int[][] dp = new int[N + 1][V + 1];
//为了便于理解,将dp[i][0]和dp[0][j]均置为0,从1开始计算
for (int i = 1; i < N + 1; i++) {
for (int j = 1; j < V + 1; j++) {
//如果第i件物品的重量大于背包容量j,则不装入背包
//由于weight和value数组下标都是从0开始,
// 故注意第i个物品的重量为weight[i-1],价值为value[i-1]
if (weight[i - 1] > j)
dp[i][j] = dp[i - 1][j];
else
dp[i][j] = Math.max(
dp[i - 1][j],
dp[i - 1][j - weight[i - 1]] + value[i - 1]);
}
}
//则容量为V的背包能够装入物品的最大值为
int maxValue = dp[N][V];
//逆推找出装入背包的所有商品的编号
int j = V;
String numStr = "";
for (int i = N; i > 0; i--) {
//若果dp[i][j]>dp[i-1][j],这说明第i件物品是放入背包的
if (dp[i][j] > dp[i - 1][j]) {
numStr = i + " " + numStr;
j = j - weight[i - 1];
}
if (j == 0)
break;
}
return numStr;
}
/**
* https://blog.csdn.net/qq_19446965/article/details/81349807
* 0-1背包的优化解法
* 思路:
* 只用一个一维数组记录状态,dp[i]表示容量为i的背包所能装入物品的最大价值
* 用逆序来实现
*/
public static int ZeroOnePack2(int V, int N, int[] weight, int[] value) {
//动态规划
int[] dp = new int[V + 1];
for (int i = 1; i < N + 1; i++) {
//逆序实现
for (int j = V; j >= weight[i - 1]; j--) {
dp[j] = Math.max(dp[j - weight[i - 1]] + value[i - 1], dp[j]);
}
}
return dp[V];
}
/**
* https://blog.csdn.net/lanyu_01/article/details/79815801
* 第三类背包:多重背包
*/
public static int manyPack(int V, int N, int[] weight, int[] value, int[] num) {
//初始化动态规划数组
int[][] dp = new int[N + 1][V + 1];
//为了便于理解,将dp[i][0]和dp[0][j]均置为0,从1开始计算
for (int i = 1; i < N + 1; i++) {
for (int j = 1; j < V + 1; j++) {
//如果第i件物品的重量大于背包容量j,则不装入背包
//由于weight和value数组下标都是从0开始,
// 故注意第i个物品的重量为weight[i-1],价值为value[i-1]
if (weight[i - 1] > j)
dp[i][j] = dp[i - 1][j];
else {
//考虑物品的件数限制
int maxV = Math.min(num[i - 1], j / weight[i - 1]);
for (int k = 0; k < maxV + 1; k++) {
dp[i][j] = Math.max(
dp[i - 1][j],
dp[i - 1][j - k * weight[i - 1]] + k * value[i - 1]);
}
}
}
}
/*//则容量为V的背包能够装入物品的最大值为
int maxValue = dp[N][V];
int j=V;
String numStr="";
for(int i=N;i>0;i--){
//若果dp[i][j]>dp[i-1][j],这说明第i件物品是放入背包的
while(dp[i][j]>dp[i-1][j]){
numStr = i+" "+numStr;
j=j-weight[i-1];
}
if(j==0)
break;
}*/
return dp[N][V];
}
/**
* 第二类背包:完全背包
* 思路分析:
* 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。
* 推公式计算时,f[i][y] = max{f[i-1][y], (f[i][y-weight[i]]+value[i])},
* 注意这里当考虑放入一个物品 i 时应当考虑还可能继续放入 i,
* 因此这里是f[i][y-weight[i]]+value[i], 而不是f[i-1][y-weight[i]]+value[i]。
*
* @param V
* @param N
* @param weight
* @param value
* @return
*/
public static String completePack(int V, int N, int[] weight, int[] value) {
//初始化动态规划数组
int[][] dp = new int[N + 1][V + 1];
//为了便于理解,将dp[i][0]和dp[0][j]均置为0,从1开始计算
for (int i = 1; i < N + 1; i++) {
for (int j = 1; j < V + 1; j++) {
//如果第i件物品的重量大于背包容量j,则不装入背包
//由于weight和value数组下标都是从0开始,
// 故注意第i个物品的重量为weight[i-1],价值为value[i-1]
if (weight[i - 1] > j)
dp[i][j] = dp[i - 1][j];
else
dp[i][j] = Math.max(
dp[i - 1][j],
dp[i][j - weight[i - 1]] + value[i - 1]);
}
}
//则容量为V的背包能够装入物品的最大值为
int maxValue = dp[N][V];
int j = V;
String numStr = "";
for (int i = N; i > 0; i--) {
//若果dp[i][j]>dp[i-1][j],这说明第i件物品是放入背包的
while (dp[i][j] > dp[i - 1][j]) {
numStr = i + " " + numStr;
j = j - weight[i - 1];
}
if (j == 0)
break;
}
return numStr;
}
/**
* 完全背包的第二种解法
* 思路:
* 只用一个一维数组记录状态,dp[i]表示容量为i的背包所能装入物品的最大价值
* 用顺序来实现
*/
public static int completePack2(int V, int N, int[] weight, int[] value) {
//动态规划
int[] dp = new int[V + 1];
for (int i = 1; i < N + 1; i++) {
//顺序实现
for (int j = weight[i - 1]; j < V + 1; j++) {
dp[j] = Math.max(dp[j - weight[i - 1]] + value[i - 1], dp[j]);
}
}
return dp[V];
}
}
算法: 背包问题
最新推荐文章于 2022-09-02 10:36:03 发布