现在n件物品和一个总容量为C的背包,n件物品的重量分别是{w1,w2,…,wn},n件物品的价值分别为{v1,v2,…,vn},如何组合使得背包中所有物品的总价值最大?
01背包问题本质上是穷举背包容量和可供选择的物品(意思是里面的物品可能会放进背包,可能不会放进背包),取得最优解,只不过在穷举的过程中,会根据状态转移方程,只计算可能获得的最优解的部分,不去计算不是最优解的部分。具体来看,解题思路是把该问题分解为一个一个的小问题,一步步的通过小问题的最优解,最终得到大问题的最优解,跟我们人脑解题的思路是一样的。
(引自:https://www.cnblogs.com/arsenalfaninecnu/p/8945548.html)
一、二维数组表示状态方程,正序求解
我们用dp[i][j]来表示当前背包容量为j时,前i件物品所能组合出来的最大价值,现在需要考虑的就是第i件物品放还是不放?
情况①:第i件物品的重量比背包剩余容量要大,那肯定是放不下的
情况②:第i件物品的重量比背包剩余容量小,那么就要考虑放进去的收益大,还是不放进去的收益大
由此得到了状态转移方程
if(j<w[i])
dp[i][j]=dp[i-1][j];
if(j>=w[i])
dp[i][j]=Math.Max(dp[i-1][j],dp[i-1][j-w[i]]+v[i]);
二、压缩空间,使用一维数组表示状态方程,逆序求解
从上面的状态方程可以看出,选择放第i件物品时的状态,仅仅与选择放第i-1件物品的状态相关,那么就可以去掉dp的数组的第一纬度(i),压缩为一维数组,然后从选择第一件到最后一件物品之间,不断更新这个一维数组即可。
即dp[j]表示某状态时,当背包容量为j时所得到的最大价值。
先给出状态转移方程:
if(j<w[i])
dp[j]=dp[j]
if(j>=w[i])
dp[i][j]=Math.Max(dp[j],dp[j-w[i]]+v[i]);
仍然是双层循环,第一层为从第1件物品到最后一件物品,选择放还是不放,不同的是,第二层循环需要逆序。
因为每进行一次外层循环,我们都需要求出放前i-1件物品时的最佳选择,i时刻的dp[j]是和i-1时刻的dp[j-w[i]]密切相关的,如果内层循环选择正序的话,当求到dp[j]时,我们会发现dp[j-w[i]]的状态不再是i-1时刻的状态,而是i时刻的状态了,连锁反应,造成后面的结果均不正确。
三、代码
public static void main(String[] args) {
// TODO Auto-generated method stub
Scanner in = new Scanner(System.in);
int n = in.nextInt(); //物品数量
int C = in.nextInt(); //背包容量
int[] value = new int[n+1]; //物品的价值
int[] weight = new int[n+1]; //物品的重量
for(int i=1;i<=n;i++)
{
weight[i]=in.nextInt();
value[i]=in.nextInt();
}
/*一维数组逆序解法*/
int[] dp = new int[C+1];
Arrays.fill(dp, 0); //i=0时刻dp的状态,一件物品也没有,所以价值为0
for(int i=1;i<=n;i++)
for(int j=C;j>=1;j--)
{
if(j<weight[i]) //背包容量放不下第i件物品
dp[j]=dp[j]; //i状态和i-1状态相同,即没有放第i件物品
else
dp[j]=Math.max(dp[j], dp[j-weight[i]]+value[i]); //能放下的时候,选择放与不放
}
System.out.println("(逆序解法)背包物品的最大总价值为:"+dp[C]);
/*二维数组正序解法 */
int[][] dp1 = new int[n+1][C+1]; //当前背包容量为j的时候,放置i个物品所能组成的最大价值。
Arrays.fill(dp1[0], 0); //一个物品也没有,总价值为0
for(int i=1;i<=n;i++)
for(int j=1;j<=C;j++)
{
if(weight[i]>j) //放不下第i个物品
{
dp1[i][j]=dp1[i-1][j];
}
else
{ //选择放第i个物品还是不放
dp1[i][j]=Math.max(dp1[i-1][j], dp1[i-1][j-weight[i]]+value[i]);
}
}
System.out.println("(正序解法)背包物品的最大总价值为:"+dp1[n][C]);
}