經典演算法總結——揹包問題(java實現)【已完結】
阿新 • • 發佈:2019-01-22
問題描述:
一個揹包的總容量為V,現在有N類物品,第i類物品的重量為weight[i],價值為value[i]
那麼往該揹包裡裝東西,怎樣裝才能使得最終包內物品的總價值最大。這裡裝物品主要由三種裝法:
1、0-1揹包:每類物品最多隻能裝一次
2、多重揹包:每類物品都有個數限制,第i類物品最多可以裝num[i]次
3、完全揹包:每類物品可以無限次裝進包內
一、0—1揹包
思路分析:
0-1揹包問題主要涉及到兩個問題的求解
a)求解揹包所含物品的最大值:
利用動態規劃求最優值的方法。假設用dp[N][V]來儲存中間狀態值,dp[i][j]表示前i件物品能裝入容量為j的揹包中的物品價值總和的最大值
現在考慮動態規劃陣列dp[i][j]的狀態轉移方程:
假設我們已經求出前i-1件物品裝入容量j的揹包的價值總和最大值為dp[i-1][j],固定容量j的值不變,則對第i件物品的裝法討論如下:
首先第i件物品的重量weight[i]必須小於等於容量j才行,即
1、若weight[i]>j,則第i件物品肯定不能裝入容量為j的揹包,此時dp[i][j]=dp[i-1][j]
2、若weight[i]<=j,則首先明確的是這件物品是可以裝入容量為j的揹包的,那麼如果我們將該物品裝入,則有
dp[i][j]=dp[i-1][j-weight[i]]+value[i]
隨之而來的問題是我們要判斷第i件物品裝到容量為j的揹包後,揹包內的總價值是否是最大?其實很好判斷,即如果裝了第i件物品後的總價值dp[i-1][j-weight[i]]+value[i]>沒裝之前的總價值最大值dp[i-1][j],則肯是最大的;反之則說明第i件物品不必裝入容量為j的揹包(裝了之後總價值反而變小,那麼肯定就不需要裝嘛)
故,狀態轉移方程如下:
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:這裡的前i件物品是給定次序的
b)求出揹包中裝入物品的編號
這裡我們採用逆推的思路來處理,如果對於dp[i][j]>dp[i-1][j],則說明第i個物品肯定被放入了揹包,此時我們再考察dp[i-1][j-weight[i]]的編號就可以了。
java程式碼實現:
/**
* 0-1揹包問題
* @param V 揹包容量
* @param N 物品種類
* @param weight 物品重量
* @param value 物品價值
* @return
*/
public static String ZeroOnePack(int V,int N,int[] weight,int[] value){
//初始化動態規劃陣列
int[][] dp = new int[N+1][V+1];
//為了便於理解,將dp[i][0]和dp[0][j]均置為0,從1開始計算
for(int i=1;i<N+1;i++){
for(int j=1;j<V+1;j++){
//如果第i件物品的重量大於揹包容量j,則不裝入揹包
//由於weight和value陣列下標都是從0開始,故注意第i個物品的重量為weight[i-1],價值為value[i-1]
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]);
}
}
//則容量為V的揹包能夠裝入物品的最大值為
int maxValue = dp[N][V];
//逆推找出裝入揹包的所有商品的編號
int j=V;
String numStr="";
for(int i=N;i>0;i--){
//若果dp[i][j]>dp[i-1][j],這說明第i件物品是放入揹包的
if(dp[i][j]>dp[i-1][j]){
numStr = i+" "+numStr;
j=j-weight[i-1];
}
if(j==0)
break;
}
return numStr;
}
0-1揹包的優化解法:
/**
* 0-1揹包的優化解法
* 思路:
* 只用一個一維陣列記錄狀態,dp[i]表示容量為i的揹包所能裝入物品的最大價值
* 用逆序來實現
*/
public static int ZeroOnePack2(int V,int N,int[] weight,int[] value){
//動態規劃
int[] dp = new int[V+1];
for(int i=1;i<N+1;i++){
//逆序實現
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];
}
二、多重揹包
java程式碼實現如下:
/**
* 第三類揹包:多重揹包
*
* @param args
*/
public static int manyPack(int V,int N,int[] weight,int[] value,int[] num){
//初始化動態規劃陣列
int[][] dp = new int[N+1][V+1];
//為了便於理解,將dp[i][0]和dp[0][j]均置為0,從1開始計算
for(int i=1;i<N+1;i++){
for(int j=1;j<V+1;j++){
//如果第i件物品的重量大於揹包容量j,則不裝入揹包
//由於weight和value陣列下標都是從0開始,故注意第i個物品的重量為weight[i-1],價值為value[i-1]
if(weight[i-1] > j)
dp[i][j] = dp[i-1][j];
else{
//考慮物品的件數限制
int maxV = Math.min(num[i-1],j/weight[i-1]);
for(int k=0;k<maxV+1;k++){
dp[i][j]=Math.max(dp[i-1][j],dp[i-1][j-k*weight[i-1]]+k*value[i-1]);
}
}
}
}
/*//則容量為V的揹包能夠裝入物品的最大值為
int maxValue = dp[N][V];
int j=V;
String numStr="";
for(int i=N;i>0;i--){
//若果dp[i][j]>dp[i-1][j],這說明第i件物品是放入揹包的
while(dp[i][j]>dp[i-1][j]){
numStr = i+" "+numStr;
j=j-weight[i-1];
}
if(j==0)
break;
}*/
return dp[N][V];
}
三、完全揹包
java程式碼實現:
/**
* 第二類揹包:完全揹包
* 思路分析:
* 01揹包問題是在前一個子問題(i-1種物品)的基礎上來解決當前問題(i種物品),
* 向i-1種物品時的揹包新增第i種物品;而完全揹包問題是在解決當前問題(i種物品)
* 向i種物品時的揹包新增第i種物品。
* 推公式計算時,f[i][y] = max{f[i-1][y], (f[i][y-weight[i]]+value[i])},
* 注意這裡當考慮放入一個物品 i 時應當考慮還可能繼續放入 i,
* 因此這裡是f[i][y-weight[i]]+value[i], 而不是f[i-1][y-weight[i]]+value[i]。
* @param V
* @param N
* @param weight
* @param value
* @return
*/
public static String completePack(int V,int N,int[] weight,int[] value){
//初始化動態規劃陣列
int[][] dp = new int[N+1][V+1];
//為了便於理解,將dp[i][0]和dp[0][j]均置為0,從1開始計算
for(int i=1;i<N+1;i++){
for(int j=1;j<V+1;j++){
//如果第i件物品的重量大於揹包容量j,則不裝入揹包
//由於weight和value陣列下標都是從0開始,故注意第i個物品的重量為weight[i-1],價值為value[i-1]
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]);
}
}
//則容量為V的揹包能夠裝入物品的最大值為
int maxValue = dp[N][V];
int j=V;
String numStr="";
for(int i=N;i>0;i--){
//若果dp[i][j]>dp[i-1][j],這說明第i件物品是放入揹包的
while(dp[i][j]>dp[i-1][j]){
numStr = i+" "+numStr;
j=j-weight[i-1];
}
if(j==0)
break;
}
return numStr;
}
/**
* 完全揹包的第二種解法
* 思路:
* 只用一個一維陣列記錄狀態,dp[i]表示容量為i的揹包所能裝入物品的最大價值
* 用順序來實現
*/
public static int completePack2(int V,int N,int[] weight,int[] value){
//動態規劃
int[] dp = new int[V+1];
for(int i=1;i<N+1;i++){
//順序實現
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];
}