蓝桥杯经典算法题java----01背包问题

题目描述

实现一个算法求解 01 背包问题。背包问题的介绍如下：

• 已知一个容量为 totalw​eight 的背包，有不同重量不同价值的物品，问怎样在背包容量限制下达到利益最大化。
• 01 背包问题要求每个物品只有一个，可以选择放入或者不放入背包。

背包问题求解方法的介绍如下：

• 用符号 Vi​ 表示第 i 个物品的价值，Wi​ 表示第 i 个物品的体积，Vi,j​ 表示当前背包容量为 j 时，前 i 个物品最佳组合对应的价值。
• 对于当前第 i 个商品，如果包的容量比该物品体积小，即 j<Wi​。那么此时的价值与前 i−1 个的价值是一样的，即 Vi,j​=Vi−1,j​。
• 对于当前第 i 个商品，如果包的容量能够装下该物品，即 Wi​≤j。此时需要判断装或者不装这个物品的价值对比，选择使价值更大的情况，即 Vi,j​=max(Vi​+Vi−1,j−Wi​​,Vi−1,j​)。

通过最优解回溯法找到解的组成：

• 当 Vi,j​=Vi−1,j​时，说明没有选择第 i 个物品。
• 当 Vi,j​=Vi−1,j−Wi​​ 时，说明装了第 i 个商品。
• 从 i，j 的最大值一直遍历到 i＝0 ，则找到了所有解。

输入描述

第一行为两个数字 totalw​eight、N，均不超过 1000。totalw​eight 含义见题干，N 为物品数量。

接下来 N 行，每行两个数字Wi​、Vi​，均不超过 1000。含义见题干。

输出描述

输出一行，为在背包容量限制下的最大化利益。

输入输出样例

示例

输入

8 5
3 4
5 5
1 2
2 1
2 3

输出

10

 

import java.util.Scanner;

// 1:无需package

// 2: 类名必须Main, 不可修改

public class Main {

     public static void main(String[] args) {

        Scanner scan = new Scanner(System.in);

        int bagweigth = scan.nextInt();

        int num = scan.nextInt();

        int[][] sum = new int[num][bagweigth+1];

        int[] weigth = new int[num];

        int[] value = new int[num];

        for(int i = 0; i < num; i++){

            weigth[i] = scan.nextInt();

            value[i] = scan.nextInt();

        }

        sun(sum,weigth,value,bagweigth,num);

        System.out.println(sum[num - 1][bagweigth]);

        scan.close();

    }

    public static void sun(int[][] sum, int[] weigth, int[] value, int bagweigth, int num){

        for(int i = 0; i < bagweigth + 1; i++){

            if(i < weigth[0]){

                sum[0][i] = 0;

            }else{

                sum[0][i] = value[0];

            }

        }

        for(int i = 0; i < num; i++){

            sum[i][0] = 0;

        }

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

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

                if(j < weigth[i]){

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

                }else{

                    sum[i][j] = Math.max(sum[i - 1][j],sum[i - 1][j - weigth[i]]+ value[i]);

                }

            }

        }

    }

}