java01背包问题算法_经典动态规划--01背包问题

背包问题具体例子：假设现有容量10kg的背包，另外有3个物品，分别为a1，a2，a3。物品a1重量为3kg，价值为4；物品a2重量为4kg，价值为5；物品a3重量为5kg，价值为6。将哪些物品放入背包可使得背包中的总价值最大？

首先想到的，一般是穷举法，一个一个地试，对于数目小的例子适用，如果容量增大，物品增多，这种方法就无用武之地了。

其次，可以先把价值最大的物体放入，这已经是贪婪算法的雏形了。如果不添加某些特定条件，结果未必可行。

最后，就是动态规划的思路了。先将原始问题一般化，欲求背包能够获得的总价值，即欲求前i个物体放入容量为m(kg)背包的最大价值ci——使用一个数组来存储最大价值，当m取10，i取3时，即原始问题了。而前i个物体放入容量为m(kg)的背包，又可以转化成前(i-1)个物体放入背包的问题。下面使用数学表达式描述它们两者之间的具体关系。

表达式中各个符号的具体含义。

w[i] : 第i个物体的重量；

p[i] : 第i个物体的价值；

ci ： 前i个物体放入容量为m的背包的最大价值；

ci-1 ： 前i-1个物体放入容量为m的背包的最大价值；

ci-1] ： 前i-1个物体放入容量为m-w[i]的背包的最大价值；

由此可得：

ci=max{ci-1]+pi , ci-1}(下图将给出更具体的解释)

根据上式，对物体个数及背包重量进行递推，列出一个表格(见下表)，表格来自(http://blog.csdn.net/fg2006/a...) ，当逐步推出表中每个值的大小，那个最大价值就求出来了。推导过程中，注意一点，最好逐行而非逐列开始推导，先从编号为1的那一行，推出所有c1的值，再推编号为2的那行c2的大小。这样便于理解。

思路厘清后，开始编程序，Java代码如下所示:

public class BackPack {

public static void main(String[] args) {

int m = 10;

int n = 3;

int w[] = {3, 4, 5};

int p[] = {4, 5, 6};

int c[][] = BackPack_Solution(m, n, w, p);

for (int i = 1; i <=n; i++) {

for (int j = 1; j <=m; j++) {

System.out.print(c[i][j]+"\t");

if(j==m){

System.out.println();

}

}

}

//printPack(c, w, m, n);

}

/**

* @param m 表示背包的最大容量

* @param n 表示商品个数

* @param w 表示商品重量数组

* @param p 表示商品价值数组

*/

public static int[][] BackPack_Solution(int m, int n, int[] w, int[] p) {

//c[i][v]表示前i件物品恰放入一个重量为m的背包可以获得的最大价值

int c[][] = new int[n + 1][m + 1];

for (int i = 0; i < n + 1; i++)

c[i][0] = 0;

for (int j = 0; j < m + 1; j++)

c[0][j] = 0;

for (int i = 1; i < n + 1; i++) {

for (int j = 1; j < m + 1; j++) {

//当物品为i件重量为j时，如果第i件的重量(w[i-1])小于重量j时，c[i][j]为下列两种情况之一：

//(1)物品i不放入背包中，所以c[i][j]为c[i-1][j]的值

//(2)物品i放入背包中，则背包剩余重量为j-w[i-1],所以c[i][j]为c[i-1][j-w[i-1]]的值加上当前物品i的价值

if (w[i - 1] <= j) {

if (c[i - 1][j] < (c[i - 1][j - w[i - 1]] + p[i - 1]))

c[i][j] = c[i - 1][j - w[i - 1]] + p[i - 1];

else

c[i][j] = c[i - 1][j];

} else

c[i][j] = c[i - 1][j];

}

}

return c;

}

运行结果为：

0 0 4 4 4 4 4 4 4 4

0 0 4 5 5 5 9 9 9 9

0 0 4 5 6 6 9 10 11 11

Process finished with exit code 0