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