【算法】动态规划解决背包问题

应用场景------01背包问题

有一个背包,背包的容量为 4,现有如下物品

要求

1.目标为装入背包的总价值最大,并且重量不超出

2.要求装入的物品不能重复

动态规划算法介绍

1.动态规划算法的核心是:将大问题划分为小问题进行解决,从而一步步获取最优解的处理算法

2.动态规划算法与分治算法类似,其基本思想也是将待求解问题分解成若干个子问题,先求解子问题,然后从这些子问题的解得到原问题的解

3.与分治算法不同的是,适合于用动态规划求解的问题,经分解得到的子问题往往不是相互独立的(即下一个子阶段的求解是建立在上一个子阶段的解的基础上,进行进一步的求解)

4.动态规划可以通过填表的方式来逐步推进,得到最优解

背包问题思路分析

背包问题主要是指一个给定容量的背包、若干具有一定价值和一定重量的物品,如何选择物品放入背包使物品的总价值最大。其中又分为 01背包和完全背包(完全背包指的是:每种物品都有无限件可用)

这里的问题属于 01背包,即每个物品最多放一个。而完全背包可以转化为 01背包

算法的主要思想

利用动态规划来解决,每次遍历到的第 i 个物品,根据 v[i] 和 w[i] 来确定是否需要将该物品放入到背包中。即对于给定的 n 个物品,设 v[i]、w[i] 分别为第 i 个物品的价值和重量,C 为背包的容量。再令 v[i][j] 表示在前 i 个物品中能够装入容量为 j 的背包中的最大价值。则我们有下面结果:

1.v[i][0] = v[0][j] = 0;

//表示填入表的第一行和第一列是 0

2.当 w[i] > j 时:v[i][j] = v[i-1][j];

//当新增商品的重量大于背包的剩余容量时,就直接使用上一单元格的策略

3.当 w[i] <= j 时: v[i][j] = max{ v[i-1][j] , v[i] + v[i-1][j-w[i]] };

/*

当新增商品的重量小于背包的剩余容量时

v[i-1][j] 就是上一个单元格装入的最大价值

v[i] 表示当前商品的价值

v[i-1][j-w[i]] 表示把上一个商品装到剩余空间为 j-w[i] 的背包的最大价值

*/

java 复制代码
public class KnapsackProblem {
    public static void main(String[] args) {
        int[] w = {1, 4, 3};  //物品的价值
        int[] val = {1500, 3000, 2000};  //物品的重量
        int m = 4;  //背包的容量
        int n = val.length;

        //创建一个二维数组,表
        int[][] v = new int[n + 1][m + 1];

        //初始化第一行和第一列,在本程序中可以不做处理,因为默认值是 0
        for (int i = 0; i < v.length; i++) {
            v[i][0] = 0;  //第一列设置为 0
        }
        for (int i = 0; i < v[0].length; i++) {
            v[0][i] = 0;  //第一行设置为 0
        }

        //根据前面得到的公式来动态规划处理
        for (int i = 1; i < v.length; i++) {  //不处理第一行,i 是从 1 开始的
            for (int j = 1; j < v[0].length; j++) {  //不处理第一列,j 是从 1 开始的
                if (w[i-1] > j) {
                    v[i][j] = v[i-1][j];
                } else {
                    v[i][j] = Math.max(v[i-1][j], val[i-1] + v[i-1][j - w[i-1]]);
                }
            }
        }

        //输出以下 v
        for (int i = 0; i < v.length; i++) {
            for (int j = 0; j < v[0].length; j++) {
                System.out.print(v[i][j] + " ");
            }
            System.out.println();
        }
    }
}

运行结果

为了记录商品存放到背包的情况,我们不能直接 调用求最大值方法,需要使用 if-else 处理

以下是优化以后的代码

java 复制代码
public class KnapsackProblem {
    public static void main(String[] args) {
        int[] w = {1, 4, 3};  //物品的价值
        int[] val = {1500, 3000, 2000};  //物品的重量
        int m = 4;  //背包的容量
        int n = val.length;

        //创建一个二维数组,表
        int[][] v = new int[n + 1][m + 1];

        //为了记录放入商品的情况,定义一个二维数组
        int[][] path = new int[n+1][m+1];

        //初始化第一行和第一列,在本程序中可以不做处理,因为默认值是 0
        for (int i = 0; i < v.length; i++) {
            v[i][0] = 0;  //第一列设置为 0
        }
        for (int i = 0; i < v[0].length; i++) {
            v[0][i] = 0;  //第一行设置为 0
        }

        //根据前面得到的公式来动态规划处理
        for (int i = 1; i < v.length; i++) {  //不处理第一行,i 是从 1 开始的
            for (int j = 1; j < v[0].length; j++) {  //不处理第一列,j 是从 1 开始的
                if (w[i-1] > j) {
                    v[i][j] = v[i-1][j];
                } else {
                    //v[i][j] = Math.max(v[i-1][j], val[i-1] + v[i-1][j - w[i-1]]);
                    if (v[i-1][j] < val[i-1] + v[i-1][j-w[i-1]]) {
                        v[i][j] = val[i-1] + v[i-1][j-w[i-1]];
                        //把当前的情况记录到 path
                        path[i][j] = 1;
                    } else {
                        v[i][j] = v[i-1][j];
                    }
                }
            }
        }

        //输出以下 v
        for (int i = 0; i < v.length; i++) {
            for (int j = 0; j < v[0].length; j++) {
                System.out.print(v[i][j] + " ");
            }
            System.out.println();
        }

        //输出最后放入的是哪些商品
        int i = path.length -1;  //行的最大下标
        int j = path[0].length - 1;  //列的最大下标
        while (i > 0 && j > 0) {
            if (path[i][j] == 1) {
                System.out.printf("第%d个商品放入到背包\n", i);
                j -= w[i-1];
            }
            i--;
        }
    }
}

运行结果

相关推荐
aichitang20246 分钟前
矩阵详解:从基础概念到实际应用
线性代数·算法·矩阵
OpenCSG1 小时前
电子行业AI赋能软件开发经典案例——某金融软件公司
人工智能·算法·金融·开源
dfsj660112 小时前
LLMs 系列科普文(14)
人工智能·深度学习·算法
薛定谔的算法2 小时前
《盗梦空间》与JavaScript中的递归
算法
kaiaaaa3 小时前
算法训练第十一天
数据结构·算法
?!7143 小时前
算法打卡第18天
c++·算法
springfe01013 小时前
构建大顶堆
前端·算法
凌辰揽月3 小时前
Web后端基础(基础知识)
java·开发语言·前端·数据库·学习·算法
lifallen3 小时前
深入浅出 Arrays.sort(DualPivotQuicksort):如何结合快排、归并、堆排序和插入排序
java·开发语言·数据结构·算法·排序算法
jingfeng5144 小时前
数据结构排序
数据结构·算法·排序算法