01背包问题
2016-05-22 21:53
197 查看
01背包问题具体例子:假设现有容量10kg的背包,另外有3个物品,分别为a1,a2,a3。物品a1重量为3kg,价值为4;物品a2重量为4kg,价值为5;物品a3重量为5kg,价值为6。将哪些物品放入背包可使得背包中的总价值最大? 这个问题有两种解法,动态规划和贪婪算法。本文仅涉及动态规划。 先不套用动态规划的具体定义,试着想,碰见这种题目,怎么解决? 首先想到的,一般是穷举法,一个一个地试,对于数目小的例子适用,如果容量增大,物品增多,这种方法就无用武之地了。 其次,可以先把价值最大的物体放入,这已经是贪婪算法的雏形了。如果不添加某些特定条件,结果未必可行。 最后,就是动态规划的思路了。先将原始问题一般化,欲求背包能够获得的总价值,即欲求前i个物体放入容量为m(kg)背包的最大价值c[i][m]——使用一个数组来存储最大价值,当m取10,i取3时,即原始问题了。而前i个物体放入容量为m(kg)的背包,又可以转化成前(i-1)个物体放入背包的问题。下面使用数学表达式描述它们两者之间的具体关系。 表达式中各个符号的具体含义。 w[i] : 第i个物体的重量; p[i] : 第i个物体的价值; c[i][m] : 前i个物体放入容量为m的背包的最大价值; c[i-1][m] : 前i-1个物体放入容量为m的背包的最大价值; c[i-1][m-w[i]] : 前i-1个物体放入容量为m-w[i]的背包的最大价值; 由此可得: c[i][m] = max{ c[i-1][m-w[i]] + p[i] , c[i-1][m] }根据上式,对物体个数及背包重量进行递推,列出一个表格(见下表),表格来自(http://blog.csdn.net/fg2006/article/details/6766384?reload) ,当逐步推出表中每个值的大小,那个最大价值就求出来了。推导过程中,注意一点,最好逐行而非逐列开始推导,先从编号为1的那一行,推出所有c[1][m]的值,再推编号为2的那行c[2][m]的大小。这样便于理解。![](http://images.cnitblog.com/blog/454792/201303/23110549-c986d3b6e16446a18d47335fd20cc12f.jpg)
![](http://images.cnitblog.com/blog/454792/201303/23110549-c986d3b6e16446a18d47335fd20cc12f.jpg)
//01背包问题 package dynamic_programming; public class Pack01 { public int[][] pack(int m, int n, int w[], int p[]) { int[][] c = new int[n + 1][m + 1]; // 一共n+1行,m+1列,多出来的0行0列作为循环的初始条件 // 第0列初始化为0 for (int i = 0; i < n + 1; i++) { c[i][0] = 0; } // 第0行初始化为0 for (int j = 0; j < m + 1; j++) { c[0][j] = 0; } // 开始一行一行填表(从1行1列开始) for (int i = 1; i < n + 1; i++) { for (int j = 1; j < m + 1; j++) {// 注意第i个物品对应的重量w为w[i-1],价格p为p[i-1] // 如果第i个物品的重量w[i-1]大于现在的容量j,则c[i][j]=c[i-1][m] if (w[i - 1] > j) { c[i][j] = c[i - 1][j]; } else // 否则按照公式c[i][j]=max{ c[i-1][j-w[i-1]] + p[i-1] , // c[i-1][j] }来计算 { int value1 = c[i - 1][j - w[i - 1]] + p[i - 1]; int value2 = c[i - 1][j]; c[i][j] = (value1 > value2) ? value1 : value2; } } } return c; } public void printPack(int[][] c,int m,int n,int[] w){ int[] x = new int ; //从最后一个记录c [m]来逆推 for(int i=n; i>0; i--){ //如果c[i][m]>c[i-1][m],则说明包含第i个物品 if(c[i][m]>c[i-1][m]){ x[i-1] = 1; //包含置1 m -= w[i-1]; }else{ x[i-1] = 0; //不包含置0 } } for(int i=1; i<=n; i++){ if(x[i-1]==1){ System.out.println("物品"+i); } } } public static void main(String[] args) { Pack01 p1 = new Pack01(); int m = 10; int n = 3; int w[] = new int[] { 3, 4, 5 }; int p[] = new int[] { 4, 5, 6 }; int[][] c = p1.pack(m, n, w, p); System.out.println("最大价值为:"+c[3][10]+"\n包含的物品为:"); p1.printPack(c, m, n, w); } }文章参考:http://www.cnblogs.com/xy-kidult/archive/2013/03/25/2970313.html http://blog.csdn.net/fg2006/article/details/6766384?reload 心得体会:最好自己手动填一次上面的表格,这样会有一个感性的认识,有助于理解动态的过程。
相关文章推荐
- GDI编程注意点-1
- 关于ionic中几个问题
- 【Android】Android ObjectAnimator动画初识、模仿
- HDU 1171
- Android自定义控件之入门篇---整理网络上的资源
- windows.old删除方法
- 11.2 configparser--配置文件分析库
- APP开发实战32-HTTP Keep-Alive模式介绍
- 命令模式在Android实际场景中运用
- 设计模式之---适配器模式
- 设计模式之---策略模式
- Linux下安装memcached-1.4.25
- 如何高效的访问内存
- 11.2 configparser--配置文件分析库
- All X(思维)
- 设计模式之---观察者模式
- jsp中form表单绑定action中的方法
- 动态规划 DAG模型 硬币问题
- 11.1 csv--CSV文件读写库
- oacle 删除重复数据