参考https://www.kancloud.cn/kancloud/pack/70125
问题描述:
有N件物品和一个容量为V的背包。第i件物品的费用是c[i],价值是w[i]。求解将哪些物品装入背包可使价值总和最大。
思路分析:
这是最基础的背包问题,特点是:每种物品仅有一件,可以选择放或不放。
参考:https://blog.csdn.net/qq_22222499/article/details/71017501
- 也就是说,用f[i][j]表示i种物品,重量为j所取得的价值。
- 对于第i种物品,如果第i种物品重量大于j,就证明第i种物品肯定不能取,这时的f[i][j]=f[i-1][j];
- 如果第i种物品重量小于j,那就会出现两种情况,采用i的话,物品价值f[i][j]=采用前面的i-1种物品,所占用的重量为j-i.getweight,所产生的价值+第i 种物品的价值。如果不采用i,价值为f[i-1][j]。换成数学表达式就是f[i][j]=Math.max(f[i-1][j-weight]+value,f[i-1][j]);
- 比如当i=5,j=10时,f[5][10]就代表了所取得的最大价值。到这里我们就完成了任务的一半,接下为我们要寻找到底哪些物品放入了背包,从前面的表达式我们可以发现,当f[i][j]=f[i-1][j-weight]时,这时为i的物品就会放入背包,所以我们从结果,开始往回走,遇到这种情况,就说明有物品放入背包,然后物品数减1,重量减去为i的重量,继续,最后就能求出哪些物品放入背包了。
1、二维数组求解代码如下:
package packageProblem;
public class Solution1 {
public static void main(String[] args){
int allweight=9;
int num=8; //物品
bao[] baos=new bao[num+1];
baos[1]=new bao(2, 13);
baos[2]=new bao(1, 10);
baos[3]=new bao(3, 24);
baos[4]=new bao(2, 15);
baos[5]=new bao(4, 28);
baos[6]=new bao(5, 33);
baos[7]=new bao(3, 20);
baos[8]=new bao(1, 8);
int[][] f=new int[num+1][allweight+1];
for(int i=0;i<=num;i++){
for(int j=0;j<=allweight;j++){
if(i==0||j==0)
f[i][j]=0;
else{
if(j<baos[i].weight){
f[i][j]=f[i-1][j];
}else{
int value=baos[i].value;
int weight=baos[i].weight;
f[i][j]=Math.max(f[i-1][j-weight]+value,f[i-1][j]);
}
}
System.out.print("f"+"["+i+"]"+"["+j+"]="+f[i][j]+" ");
}
System.out.println();
}
//输出装入包中的物品
int m=num;
int n=allweight;
int all=f[m][n];
while(all>=0){
if(m>0&&f[m][n]==f[m-1][n]){
m=m-1;
}else{
if(m==0){
return;
}else{
System.out.println(m+":"+baos[m].weight+","+baos[m].value+" in bag.");
n=n-baos[m].weight;
all=all-baos[m].value;
m=m-1;
}
}
}
}
}
以上方法的时间和空间复杂度均为O(N*V),其中时间复杂度基本已经不能再优化了,但空间复杂度却可以优化到O(V)。
先考虑上面讲的基本思路如何实现,肯定是有一个主循环i=1..N,每次算出来二维数组f[i][0..V]的所有值。那么,如果只用一个数组f[0..V],能不能保证第i次循环结束后f[v]中表示的就是我们定义的状态f[i][v]呢?f[i][v]是由f[i-1][v]和f[i-1][v-c[i]]两个子问题递推而来,能否保证在推f[i][v]时(也即在第i次主循环中推f[v]时)能够得到f[i-1][v]和f[i-1][v-c[i]]的值呢?事实上,这要求在每次主循环中我们以v=V..0的顺序推f[v],这样才能保证推f[v]时f[v-c[i]]保存的是状态f[i-1][v-c[i]]的值。伪代码如下:
for i=1..N
for v=V..0
f[v]=max{f[v],f[v-c[i]]+w[i]};
其中的f[v]=max{f[v],f[v-c[i]]}一句恰就相当于我们的转移方程f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]},因为现在的f[v-c[i]]就相当于原来的f[i-1][v-c[i]]。如果将v的循环顺序从上面的逆序改成顺序的话,那么则成了f[i][v]由f[i][v-c[i]]推知,与本题意不符,但它却是另一个重要的背包问题P02最简捷的解决方案,故学习只用一维数组解01背包问题是十分必要的。
我们看到的求最优解的背包问题题目中,事实上有两种不太相同的问法。有的题目要求“恰好装满背包”时的最优解,有的题目则并没有要求必须把背包装满。一种区别这两种问法的实现方法是在初始化的时候有所不同。
如果是第一种问法,要求恰好装满背包,那么在初始化时除了f[0]为0其它f[1..V]均设为-∞,这样就可以保证最终得到的f[N]是一种恰好装满背包的最优解。
如果并没有要求必须把背包装满,而是只希望价格尽量大,初始化时应该将f[0..V]全部设为0。
为什么呢?可以这样理解:初始化的f数组事实上就是在没有任何物品可以放入背包时的合法状态。如果要求背包恰好装满,那么此时只有容量为0的背包可能被价值为0的nothing“恰好装满”,其它容量的背包均没有合法的解,属于未定义的状态,它们的值就都应该是-∞了。如果背包并非必须被装满,那么任何容量的背包都有一个合法解“什么都不装”,这个解的价值为0,所以初始时状态的值也就全部为0了。
2、一维数组法(无须装满)
//baos:物品,num:物品数量,allweight:背包可以装的最大重量
public static void noFullSolve(bao[] baos,int num,int allweight){
int[] f=new int[allweight+1];
for(int i=1;i<num+1;i++){
for(int v=allweight;v>=baos[i].weight;v--){
f[v]= Math.max(f[v],f[v-baos[i].weight]+baos[i].value);
System.out.print(f[v]+" ");
}
System.out.println();
}
System.out.println("最大价值:"+f[allweight]);
}
3、一维数组法(必须装满)
public static void fullSolve(bao[] baos,int num,int allweight){
int[] f=new int[allweight+1];
for (int i=1;i<=allweight;i++){
f[i]=Integer.MIN_VALUE;
}
for(int i=1;i<=num;i++){
for(int v=allweight;v>=baos[i].weight;v--){
f[v]=Math.max(f[v],f[v-baos[i].weight]+baos[i].value);
System.out.print(f[v]+" ");
}
System.out.println();
}
System.out.println("装满背包最大值:"+f[allweight]);
}