贪心算法解背包问题

背包问题与0-1背包问题类似，所不同的是在选择物品i装入背包时，可以选择物品i的一部分，而不一定要全部装入背包，1≤i≤n。

背包问题与0-1背包问题都具有最优子结构性质，但背包问题可以用贪心算法求解，而0-1背包问题却不能用贪心算法求解。

1、贪心策略

首先计算每种物品单位重量的价值Vi/Wi，然后，依贪心选择策略，将尽可能多的单位重量价值最高的物品装入背包；若将这种物品全部装入背包后，背包内的物品总重量未超过C，则选择单位重量价值次高的物品并尽可能多地装入背包。依此策略一直地进行下去，直到背包装满为止。

算法步骤：1）排序；2）扫描判断如何装

2、贪心算法

public static float knapsack(float c,float[] w, float[] v,float[] x){
	int n=v.length;
	Element [] d = new Element [n];  //物品数组
	for (int i = 0; i < n; i++)     //数组初始化
	    d[i] = new Element(w[i],v[i],i);
	MergeSort.mergeSort(d);  //物品按照单位价值排序
	int i;
	float opt=0;    //当前装入背包的价值
	for (i=0;i<n;i++) 
	    x[i]=0;
	for (i=0;i<n;i++) {  //扫描物品
	    if (d[i].w>c)    //d[i].w表示扫描到第i个物品时取出其重量
	        break;       //物品i装不下时跳出
	    x[d[i].i]=1;    //物品i装入背包
	    opt+=d[i].v;
	    c-=d[i].w;   //背包当前容量
	}
	if (i<n){   //背包未装满还有剩余物品时
	    x[d[i].i]=c/d[i].w;   //装入部分物品i
	    opt+=x[d[i].i]*d[i].v;
	}
	return opt;
}

算法时间分析：算法knapsack的主要计算时间在于将各种物品依其单位重量的价值从大到小排序。因此，算法的计算时间上界为O（nlogn）。 

3、贪心选择策略不适用0-1

对于0-1背包问题，贪心选择之所以不能得到最优解是因为在这种情况下，它无法保证最终能将背包装满，部分闲置的背包空间使每公斤背包空间的价值降低了。事实上，在考虑0-1背包问题时，应比较选择该物品和不选择该物品所导致的最终方案，然后再作出最好选择。由此就导出许多互相重叠的子问题。这正是该问题可用动态规划算法求解的另一重要特征