问题描述:
一个背包的总容量为V,现在有N类物品,第i类物品的重量为weight[i],价值为value[i]
那么往该背包里装东西,怎样装才能使得最终包内物品的总价值最大。这里装物品主要由三种装法:
1、0-1背包:每类物品最多只能装一次
2、多重背包:每类物品都有个数限制,第i类物品最多可以装num[i]次
3、完全背包:每类物品可以无限次装进包内
1.0-1背包问题
思路分析:
0-1背包问题主要涉及到两个问题的求解
a)求解背包所含物品的最大值:
利用动态规划求最优值的方法。假设用dp[N][V]来存储中间状态值,dp[i][j]表示前i件物品能装入容量为j的背包中的物品价值总和的最大值(注意是最大值),则我们最终只需求知dp[i=N][j=V]的值,即为题目所求。
现在考虑动态规划数组dp[i][j]的状态转移方程:
假设我们已经求出前i-1件物品装入容量j的背包的价值总和最大值为dp[i-1][j],固定容量j的值不变,则对第i件物品的装法讨论如下:
首先第i件物品的重量weight[i]必须小于等于容量j才行,即
1、若weight[i]>j,则第i件物品肯定不能装入容量为j的背包,此时dp[i][j]=dp[i-1][j]
2、若weight[i]<=j,则首先明确的是这件物品是可以装入容量为j的背包的,那么如果我们将该物品装入,则有
dp[i][j]=dp[i-1][j-weight[i]]+value[i]
随之而来的问题是我们要判断第i件物品装到容量为j的背包后,背包内的总价值是否是最大?其实很好判断,即如果装了第i件物品后的总价值dp[i-1][j-weight[i]]+value[i]>没装之前的总价值最大值dp[i-1][j],则肯是最大的;反之则说明第i件物品不必装入容量为j的背包(装了之后总价值反而变小,那么肯定就不需要装嘛)
故,状态转移方程如下:
dp[i][j] = (dp[i-1][j] > (dp[i-1][j-weight[i]]+value[i]))? dp[i-1][j]:(dp[i-1][j-weight[i]]+value[i])
注意:这里的前i件物品是给定次序的
b)求出背包中装入物品的编号
这里我们采用逆推的思路来处理,如果对于dp[i][j]>dp[i-1][j],则说明第i个物品肯定被放入了背包,此时我们再考察dp[i-1][j-weight[i]]的编号就可以了。
public static String ZeroOnePack(int V,int N,int[] weight,int[] value){
int[][] dp = new int[N+1][V+1];
for(int i=1;i<N+1;i++){
for(int j=1;j<V+1;j++){
if(weight[i-1] > j)
dp[i][j] = dp[i-1][j];
else
dp[i][j] = Math.max(dp[i-1][j],dp[i-1][j-weight[i-1]]+value[i-1]);
}
}
int maxValue = dp[N][V];
int j=V;
String numStr="";
for(int i=N;i>0;i--){
if(dp[i][j]>dp[i-1][j]){
numStr = i+" "+numStr;
j=j-weight[i-1];
}
if(j==0)
break;
}
return numStr;
}
public static int ZeroOnePack2(int V,int N,int[] weight,int[] value){
int[] dp = new int[V+1];
for(int i=1;i<N+1;i++){
for(int j=V;j>=weight[i-1];j--){
dp[j] = Math.max(dp[j-weight[i-1]]+value[i-1],dp[j]);
}
}
return dp[V];
}
2.多重背包
public static int manyPack(int V,int N,int[] weight,int[] value,int[] num){
int[][] dp = new int[N+1][V+1];
for(int i=1;i<N+1;i++){
for(int j=1;j<V+1;j++){
if(weight[i-1] > j)
dp[i][j] = dp[i-1][j];
else{
int maxV = Math.min(num[i-1],j/weight[i-1]);
for(int k=0;k<maxV+1;k++){
dp[i][j] = dp[i][j]>Math.max(dp[i-1][j],dp[i-1][j-k*weight[i-1]]+k*value[i-1]) ? dp[i][j]:Math.max(dp[i-1][j],dp[i-1][j-k*weight[i-1]]+k*value[i-1]);
}
}
}
}
return dp[N][V];
}
3.完全背包
public static String completePack(int V,int N,int[] weight,int[] value){
int[][] dp = new int[N+1][V+1];
for(int i=1;i<N+1;i++){
for(int j=1;j<V+1;j++){
if(weight[i-1] > j)
dp[i][j] = dp[i-1][j];
else
dp[i][j] = Math.max(dp[i-1][j],dp[i][j-weight[i-1]]+value[i-1]);
}
}
int maxValue = dp[N][V];
int j=V;
String numStr="";
for(int i=N;i>0;i--){
while(dp[i][j]>dp[i-1][j]){
numStr = i+" "+numStr;
j=j-weight[i-1];
}
if(j==0)
break;
}
return numStr;
}
public static int completePack2(int V,int N,int[] weight,int[] value){
int[] dp = new int[V+1];
for(int i=1;i<N+1;i++){
for(int j=weight[i-1];j<V+1;j++){
dp[j] = Math.max(dp[j-weight[i-1]]+value[i-1],dp[j]);
}
}
return dp[V];
}