01背包问题
问题描述
给定n中物品和一个背包,物品 i 的重量为 Wi ,价值为 vi,背包的容量为c。问如何选择背包里的物品,可以使得装下的物品价值最大?
参考文章
关键信息:
一组物品,包含重量和价值;
一个限定,总重量不超过包的大小
期望:在限定条件下,达到最大价值
算法
- 理论上可以通过暴力穷举的方式,穷举依次选定i 件物品,i-1件物品,… 1件物品的情况下,穷举组合的可能性,然后计算不超过总限定条件下的最优解,但该种算法的时间复杂度为O(2^n)。下面讨论的是通过动态规划的方式来解决此类问题。
- 动态规划的思路是先解决小问题,再逐步解决大问题。
- 假定有可以装1、2、3、…、C的背包,有序号为1、2、3、…、i的商品。对于任意一个重量 j 的背包,从i 件商品中选择出的最大价值,对于第i件商品有选择和不选择两种可能性: ① 不选择的情况下,其价值为i-1件商品中装进 j重量的背包的最大值;② 选择的情况下,价值为为当前商品价值vi,加上背包减去当前商品重量后(空余位置,空余位置为负数,则装不下当前物品),可以装下i-1件商品的最大值,即vi + cell(i-1, j-wi)。在这两种情况下取最大值,即为当前cell(i, j)的最大值
即递推公式为:**cell(i, j) = max(cell(i-1, j), vi+ cell(i-1, j- wi)) **
- 代码实现上,可以考虑定义二维数组,保存上述的商品i,背包j的情况下的最大值,二维数组的右下角的值即为最优解。
- 算法优化,可以考虑用一维数组解决。参考文章
代码实现
/**
* 动态规划解决01背包问题
*/
private static void dongTaiGuiHua01() {
int[] v = new int[] {1500, 3000, 2000}; // 商品价格
int[] w = new int[]{1, 4, 3}; // 商品重量
int n = 3; //商品数量
int c = 4; //背包容量
// 动态规划的二维数组,默认值为0
int[][] cell = new int[n+1][c];
//动态规划计算,递推公式:cell(i, j) = max(cell(i-1, j), vi+ cell(i-1, j- wi))
for(int i = 1; i <= n; i++) {
for(int j= 0; j < c; j++) {
int noSelectThis = cell[i-1][j];
int selectThis = 0;
if( j+1 > w[i-1]) {
selectThis = cell[i-1][j-w[i-1]] + v[i-1];
} else if ( j+1 == w[i-1]){
selectThis = v[i-1];
}
if(selectThis > noSelectThis) {
cell[i][j] = selectThis;
} else {
cell[i][j] = noSelectThis;
}
}
}
System.out.println(cell[n][c-1]);
}
其他变种的背包问题
参考文章
参考文章
对于01背包,一系列商品有价值和重量两个属性,在限定重量的前提下,求最大价值。此时对于第i个商品,有选和不选两种可能性。
对于其他背包问题,对于第i个物品不再是选不选两种可能性,而是考虑可以选择多少个的情况下最优,选择当前商品的各种情况(数量或者组内的品种)下,再加上背包剩余空间的最优解,得到一组最优解,取这组最优解的最大值即为当前当前商品或当前组i,背包大小为j时的最优值,递推公式如下:
完全背包:F[i,v] = max{F[i − 1,v − kC i ] + kW i | 0 ≤ k*C i ≤ v}
多重背包:F[i v] = max{F[i − 1,v − k ∗ C i ] + k ∗ W i | 0 ≤ k ≤ M i }
01背包可以认为时上面的特殊情况:k只能取0或1
分组背包,每一组可以认为是一类商品,递推公式为选择这一组商品中的所有可能性的最大值。
动态规划
动态规划一般用来求解最优解问题,通过求解子问题,而逐步迭代出最终问题的结果。递推公式
参考文章