前言
背包问题,动态规划算法入坑必备。经典算法,推荐经典讲解——dd大神的算法九讲和y总的视频讲解。
纯属调侃,以下内容配陈奕迅的“你的背包”更配哈。
01 背包问题
有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。
第 i 件物品的体积是 vi,价值是 wi。
求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。
输出最大价值。
输入格式
第一行两个整数,N,V,用空格隔开,分别表示物品数量和背包容积。
接下来有 N 行,每行两个整数 vi,wi,用空格隔开,分别表示第 i 件物品的体积和价值。
输出格式
输出一个整数,表示最大价值。
数据范围
0<N,V≤1000
0<vi,wi≤1000
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例:
8
原始解法:
import java.util.Scanner;
public class Main{
public static void main(String[] args){
var in = new Scanner(System.in);
int num = in.nextInt();
int v = in.nextInt();
int[][] vToV = new int[num + 1][2];
//读取数据
for(int i = 1; i < num + 1; i++){
vToV[i][0] = in.nextInt();
vToV[i][1] = in.nextInt();
}
//构造dp数组
int[][] a = new int[num + 1][v + 1];
for(int i = 1; i < num + 1; i++){
for(int j = 0; j < v + 1; j++){
if(j >= vToV[i][0]){
a[i][j] = Math.max(a[i - 1][j], a[i - 1][j - vToV[i][0]] + vToV[i][1]);
}else{
a[i][j] = a[i - 1][j];
}
}
}
System.out.print(a[num][v]);
}
}
优化之后的解法
import java.util.Scanner;
public class Main{
public static void main(String[] args){
var in = new Scanner(System.in);
int num = in.nextInt();
int v = in.nextInt();
int[][] vToV = new int[num + 1][2];
//读取数据
for(int i = 1; i < num + 1; i++){
vToV[i][0] = in.nextInt();
vToV[i][1] = in.nextInt();
}
//构造dp数组
int[] a = new int[v + 1];
a[0] = 0;
for(int i = 1; i < num + 1; i++){
for(int j = v; j > 0; j--){
if(j >= vToV[i][0]){
a[j] = Math.max(a[j], a[j - vToV[i][0]] + vToV[i][1]);
}
}
}
System.out.print(a[v]);
}
}
完全背包问题
有 N 种物品和一个容量是 V 的背包,每种物品都有无限件可用。
第 i 种物品的体积是 vi,价值是 wi。
求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。
输出最大价值。
输入格式
第一行两个整数,N,V,用空格隔开,分别表示物品种数和背包容积。
接下来有 N 行,每行两个整数 vi,wi,用空格隔开,分别表示第 i 种物品的体积和价值。
输出格式
输出一个整数,表示最大价值。
数据范围
0<N,V≤1000
0<vi,wi≤1000
输入样例
4 5
1 2
2 4
3 4
4 5
输出样例:
10
暴力解法:
//暴力算法
import java.util.Scanner;
public class Main{
public static void main(String[] args){
var in = new Scanner(System.in);
int n = in.nextInt();
int m = in.nextInt();
int[] v = new int[n + 1];
int[] w = new int[n + 1];
for(int i = 1; i < n + 1; i++){
v[i] = in.nextInt();
w[i] = in.nextInt();
}
//dp数组
int[][] dp = new int[n + 1][m + 1];
dp[0][0] = 0;
for(int i = 1; i < n + 1; i++){
for(int j = 0; j < m + 1; j++){
for(int k = 0; k*v[i] <= j; k++){
dp[i][j] = Math.max(dp[i][j], dp[i - 1][j - v[i]*k] + w[i] * k);
}
}
}
System.out.print(dp[n][m]);
}
}
运算速度优化解法:
//算法优化:
//f[i][j] = max(f[i-1][j], f[i-1][j-v[i]]+w[i], f[i-1][j-2*v[i]]+2*w[i], f[i-1][j-3v[i]]+3*w[i],...) k=1,2,...,j/v[i]
//f[i][j-v[i]] = max(f[i-1][j-v[i]], f[i-1][j-2*v[i]]+w[i], f[i-1][j-3v[i]]+2*w[i],...) k=1,2,...,(j-v[i])/v[i]
//可以推出f[i][j] = max(f[i-1][j], f[i][j - v[i]] + w[i])
//该怎么理解这个递推式呢?与01背包有啥区别呢?01背包一直以选还是不选第i个物品为导向,完全背包问题一直是选几个的问题,要知道第i行都是考虑了第i个的,相当于在上一个选完了的过程中再问一次:再加一个?
import java.util.Scanner;
public class Main{
public static void main(String[] args){
var in = new Scanner(System.in);
int n = in.nextInt();
int m = in.nextInt();
int[] v = new int[n + 1];
int[] w = new int[n + 1];
for(int i = 1; i < n + 1; i++){
v[i] = in.nextInt();
w[i] = in.nextInt();
}
//dp数组
int[][] dp = new int[n + 1][m + 1];
dp[0][0] = 0;
for(int i = 1; i < n + 1; i++){
for(int j = 0; j < m + 1; j++){
if(j - v[i] >= 0){
dp[i][j] = Math.max(dp[i -1][j], dp[i][j - v[i]] + w[i]);
}else{
dp[i][j] = dp[i -1][j];
}
}
}
System.out.print(dp[n][m]);
}
}
内存再次优化:
//再次优化,显然只要用一维数组就能满足任务要求。
import java.util.Scanner;
public class Main{
public static void main(String[] args){
var in = new Scanner(System.in);
int n = in.nextInt();
int m = in.nextInt();
int[] v = new int[n + 1];
int[] w = new int[n + 1];
for(int i = 1; i < n + 1; i++){
v[i] = in.nextInt();
w[i] = in.nextInt();
}
//dp数组
int[] dp = new int[m + 1];
dp[0] = 0;
for(int i = 1; i < n + 1; i++){
for(int j = v[i]; j < m + 1; j++){
dp[j] = Math.max(dp[j], dp[j - v[i]] + w[i]);
}
}
System.out.print(dp[m]);
}
}
记录一下优化的效果:
多重背包问题
有 N 种物品和一个容量是 V 的背包。
第 i 种物品最多有 si 件,每件体积是 vi,价值是 wi。
求解将哪些物品装入背包,可使物品体积总和不超过背包容量,且价值总和最大。
输出最大价值。
输入格式
第一行两个整数,N,V,用空格隔开,分别表示物品种数和背包容积。
接下来有 N 行,每行三个整数 vi,wi,si,用空格隔开,分别表示第 i 种物品的体积、价值和数量。
输出格式
输出一个整数,表示最大价值。
数据范围
0<N≤1000
0<V≤2000
0<vi,wi,si≤2000
提示:
本题考查多重背包的二进制优化方法。
输入样例
4 5
1 2 3
2 4 1
3 4 3
4 5 2
输出样例:
10
未优化版本:
//未优化版本,与完全背包问题相类似。
import java.util.Scanner;
public class Main{
public static void main(String[] args){
Scanner in = new Scanner(System.in);
int n = in.nextInt();
int m = in.nextInt();
int[] v = new int[n + 1];
int[] w = new int[n + 1];
int[] num = new int[n + 1];
for(int i = 1; i < n + 1; i++){
v[i] = in.nextInt();
w[i] = in.nextInt();
num[i] = in.nextInt();
}
//dp数组
int[][] dp = new int[n + 1][m + 1];
dp[0][0] = 0;
for(int i = 1; i < n + 1; i++){
for(int j = 0; j < m + 1; j++){
for(int k = 0; k <= num[i]; k++){
if(k * v[i] <= j){
dp[i][j] = Math.max(dp[i][j], dp[i - 1][j - k * v[i]] + k * w[i]);
}
}
}
}
System.out.print(dp[n][m]);
}
}
二进制优化版本:
//多重背包问题咋优化呐?这里学到的是一种比较巧的方法:
//为啥要优化呢?因为我们不想要第三层循环,这个很耗时间。怎么优化呢?先从下面的性质学起。
//可证明:1,2,4,8,18,...,2**k 中选取0个到k个数,每个只取一次,能组成[0,2**k - 1]这个区间的任何数
//然后,上面这个性质是不是可以理解为从1,2,4,8,18,...,2**k中进行一次01背包问题求解。
//这个思路的转换在于,我们对原始读进来的数据按照这个性质转换一下
import java.util.Scanner;
public class Main{
public static void main(String[] args){
var in = new Scanner(System.in);
int n = in.nextInt();
int m = in.nextInt();
//v、w、s的最大值为2000,所以最大产生的数大小为:log(s)*N,最大值为11*1000
int[] v = new int[12000];
int[] w = new int[12000];
int count = 0;
for(int i = 1; i < n + 1; i++){
int a = in.nextInt();
int b = in.nextInt();
int c = in.nextInt();
int k = 1;
while(k <= c){
count++;
v[count] = k * a;
w[count] = k * b;
c-=k;
k*=2;
}
if(c > 0){
count++;
v[count] = a * c;
w[count] = b * c;
}
}
//01背包问题求解。
int[] dp = new int[m + 1];
for(int i = 1; i <= count; i++){
for(int j = m; j >= v[i]; j--){
dp[j] = Math.max(dp[j], dp[j - v[i]] + w[i]);
}
}
System.out.println(dp[m]);
}
}
分组背包问题
有 N 组物品和一个容量是 V 的背包。
每组物品有若干个,同一组内的物品最多只能选一个。
每件物品的体积是 vij,价值是 wij,其中 i 是组号,j 是组内编号。
求解将哪些物品装入背包,可使物品总体积不超过背包容量,且总价值最大。
输出最大价值。
输入格式
第一行有两个整数 N,V,用空格隔开,分别表示物品组数和背包容量。
接下来有 N 组数据:
- 每组数据第一行有一个整数 Si,表示第 i 个物品组的物品数量;
- 每组数据接下来有 Si 行,每行有两个整数 vij,wij,用空格隔开,分别表示第 i 个物品组的第 j 个物品的体积和价值; 输出格式 输出一个整数,表示最大价值。
数据范围
0<N,V≤100
0<Si≤100
0<vij,wij≤100
输入样例
3 5
2
1 2
2 4
1
3 4
1
4 5
输出样例:
8
常规解法:
import java.util.Scanner;
public class Main{
public static void main(String[] args){
var in = new Scanner(System.in);
int maxN = 110;
int[][] v = new int[maxN][maxN];
int[][] w = new int[maxN][maxN];
int[] s = new int[maxN];
int[] dp = new int[maxN];
int n = in.nextInt();
int m = in.nextInt();
for(int i = 1; i <= n; i++){
s[i] = in.nextInt();
for(int j = 0; j < s[i]; j++){
v[i][j] = in.nextInt();
w[i][j] = in.nextInt();
}
}
for(int i = 1; i <= n; i++){
for(int j = m; j >= 0; j--){
for(int k = 0; k < s[i]; k++){
if(v[i][k] <= j){
dp[j] = Math.max(dp[j], dp[j - v[i][k]] + w[i][k]);
}
}
}
}
System.out.println(dp[m]);
in.close();
}
}
总结
本文介绍了四种背包问题(01背包、完全背包、多重背包、分组背包)的java解法,由普通算法逐步优化为经典算法。重要的思路有:二进制优化思路、递推解析式思路等。等我有空唠唠动态规划的解题思路。