0-1背包 java_浅谈java实现背包算法(0-1背包问题)

0-1背包的问题

背包问题(knapsack problem)是一种组合优化的np完全问题。问题可以描述为:给定一组物品，每种物品都有自己的重量和价格，在限定的总重量内，我们如何选择，才能使得物品的总价格最高。问题的名称来源于如何选择最合适的物品放置于给定背包中。

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。

用子问题定义状态:即f[i][v]表示前i件物品恰放入一个容量为v的背包可以获得的最大价值。则其状态转移方程便是:

f[i][v]=max{ f[i-1][v], f[i-1][v-w[i]]+v[i] }。

public class bag {

static class item {// 定义一个物品

string id; // 物品id

int size = 0;// 物品所占空间

int value = 0;// 物品价值

static item newitem(string id, int size, int value) {

item item = new item();

item.id = id;

item.size = size;

item.value = value;

return item;

}

public string tostring() {

return this.id;

}

}

static class okbag { // 定义一个打包方式

list items = new arraylist();// 包里的物品集合

okbag() {

}

int getvalue() {// 包中物品的总价值

int value = 0;

for (item item : items) {

value += item.value;

}

return value;

};

int getsize() {// 包中物品的总大小

int size = 0;

for (item item : items) {

size += item.size;

}

return size;

};

public string tostring() {

return string.valueof(this.getvalue()) + " ";

}

}

// 可放入包中的备选物品

static item[] sourceitems = { item.newitem("4号球", 4, 5), item.newitem("5号球", 5, 6), item.newitem("6号球", 6, 7) };

static int bagsize = 10; // 包的空间

static int itemcount = sourceitems.length; // 物品的数量

// 保存各种情况下的最优打包方式 第一维度为物品数量从0到itemcount,第二维度为包裹大小从0到bagsize

static okbag[][] okbags = new okbag[itemcount + 1][bagsize + 1];

static void init() {

for (int i = 0; i < bagsize + 1; i++) {

okbags[0][i] = new okbag();

}

for (int i = 0; i < itemcount + 1; i++) {

okbags[i][0] = new okbag();

}

}

static void dobag() {

init();

for (int iitem = 1; iitem <= itemcount; iitem++) {

for (int curbagsize = 1; curbagsize <= bagsize; curbagsize++) {

okbags[iitem][curbagsize] = new okbag();

if (sourceitems[iitem - 1].size > curbagsize) {// 当前物品大于包空间.肯定不能放入包中.

okbags[iitem][curbagsize].items.addall(okbags[iitem - 1][curbagsize].items);

} else {

int notincludevalue = okbags[iitem - 1][curbagsize].getvalue();// 不放当前物品包的价值

int freesize = curbagsize - sourceitems[iitem - 1].size;// 放当前物品包剩余空间

int includevalue = sourceitems[iitem - 1].value + okbags[iitem - 1][freesize].getvalue();// 当前物品价值+放了当前物品后剩余包空间能放物品的价值

if (notincludevalue < includevalue) {// 放了价值更大就放入.

okbags[iitem][curbagsize].items.addall(okbags[iitem - 1][freesize].items);

okbags[iitem][curbagsize].items.add(sourceitems[iitem - 1]);

} else {// 否则不放入当前物品

okbags[iitem][curbagsize].items.addall(okbags[iitem - 1][curbagsize].items);

}

}

}

}

}

public static void main(string[] args) {

bag.dobag();

for (int i = 0; i < bag.itemcount + 1; i++) {// 打印所有方案中包含的物品

for (int j = 0; j < bag.bagsize + 1; j++) {

system.out.print(bag.okbags[i][j].items);

}

system.out.println("");

}

for (int i = 0; i < bag.itemcount + 1; i++) {// 打印所有方案中包的总价值

for (int j = 0; j < bag.bagsize + 1; j++) {

system.out.print(bag.okbags[i][j]);

}

system.out.println("");

}

okbag okbagresult = bag.okbags[bag.itemcount][bag.bagsize];

system.out.println("最终结果为:" + okbagresult.items.tostring() + okbagresult);

}

}

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持萬仟网。

如您对本文有疑问或者有任何想说的，请点击进行留言回复，万千网友为您解惑！