背包问题递归算法java编程_背包问题 －－ 1) 思路，递归求解

最近看了《算法I－IV(C++语言描述)》中关于动态编程求解背包问题的部分，感觉书中描述的不是很详细，在这里通过我个人的理解再加上书中的描述，再重温下这一经典问题的动态编程求解方法。

所谓的背包问题，可以描述如下：一个小偷打劫一个保险箱，发现柜子里有N类不同大小与价值的物品，但小偷只有一个容积为M的背包来装东西，背包问题就是要找出一个小偷选择所偷物品的组合，以使偷走的物品总价值最大。我们可以定义以下结构：

struct Item {

int size;            //保存物品大小

int val;             //保存物品价值

};

例如有下表中的物品：

Index

0

1

2

3

4

Item

A

B

C

D

E

Size

3

4

7

8

9

Val

4

5

10

11

13

上表中第一行(Index)是物品在程序中的索引号，第二行(Item)是物品的标示，第三行(Size)是物品的大小，第四行(Val)是物品的价值，而每一列又对应了一类物品。假设小偷背包的容积为17，则小偷能够拿走5个A价值为20的物品，或者1个D和1个E，价值为24的物品，等等。

为了使小偷在背包容积为cap的情况下，能够偷走最大价值的物品，我们可以假设小偷足够聪明，无论背包容积cap为多少，小偷总能找到最优的组合使背包中所装物品的价值最大。

倘若我们定义函数：

int  knap( int cap );

该函数的返回值为容积为cap的背包所装物品的最大价值。对于cap为17的背包，因为有5类物品，所以所装物品的价值有以下组合：

1) 4 + knap( 17 - 3 )，即 item[0].val + knap(cap - item[0].size);

2)     5 + knap( 17 - 4 )，即 item[1].val + knap(cap - item[1].size);

3)    10 + knap( 17 - 7 )，即 item[2].val + knap(cap - item[2].size);

4)     11 + knap( 17 - 8 )，即 item[3].val + knap(cap - item[3].size);

5)     13 + knap( 17 - 9 )，即 item[4].val + knap(cap - item[4].size);

因为小偷已经帮助我们找到了cap = cap - item[i].size的最优组合，所以我们只需要找到item[i].val + knap(cap - item[i].size)的最大值也就完称了我们的任务了。

下面的程序代码是按以上的思路编写的：

我么定义了一个类型为Item的N项数组，对于每一个可能的项，我们递归的计算所能得到的最大值，然后挑出那些值中的最大项返回。

需要说明的是，上面的代码不应该成为正式的代码，如果按上面的代码画出每次函数调用的二叉树图，就会发现有大量重复的计算来处理同一个问题，其结果就是耗费指数级的时间，因而是低效的。

下一篇《背包问题 －－ 2) 改进，自顶向下的动态编程》将会介绍如何对上面的代码改进，使耗费的时间从指数级减少到线性级。

posted on 2006-01-03 23:15 PIGWORLD 阅读(7994) 评论(5)  编辑 收藏 引用