前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >动态规划解决背包问题

动态规划解决背包问题

作者头像
暴躁的程序猿
发布2022-03-24 14:12:45
2990
发布2022-03-24 14:12:45
举报
文章被收录于专栏:阿飞的学习记录

背包问题

有一个背包,容量为4,现有如下物品

吉他 体积1 价格 1500

音响 体积4 价格 3000

电脑 体积3 价格2000

1.要求达到的目标为装入的背包的总价值最大,并且容量不超出

2.要求装入的物品不能重复

例如 :装 音响 价格3000 或者装 吉他和电脑 价值3500

这道题我们可以用动态规划算法来解决

动态规划算法介绍:

1.动态规划 算法的核心思想是:将大问题划分成小问题进行解决,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,其基本思想也是将带求解问题分解成若干个子问题,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,适合用于动态规划求解的问题,经分解得到子问题往往不是互相独立的(即下一个子阶段的求解是建立在上一个子阶段的基础上,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;

动态规划算法解决背包问题

背包问题是指一个给定容量的背包,若干个具有一定价值和重量的物品,如何选择物品放入背包使物品价值最大,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。而无限背包可以转化为01背包;

算法的主要思想:

每次遍历到第i个物品,根据w[i]和v[i]来确定是否需要将该物品放入背包中。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为背包容量。再令v【i】[j]表示在第i个物品中能够装入容量为j的背包中的最大价值。

则有以下结果:

1.v[i][0]=v[0][j] 表示填入表的第一行和第一列都是0

2.当w[i] >j时 v[i][j]=v[i-1][j] //如果 新装入的商品大于当前背包容量 就使用上一个单元格的装入策略

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

在这里插入图片描述
在这里插入图片描述

v[i][j]就是 上一个单元格装入的最大值 v[i]:表示当前商品价值 v[i-1][j-w[i]]装入i-1个商品 到剩余空间 j-w[i]的最大值 当j>=w[i]时v[i][j]=max{v{i-1}[j],v[i]+v[i-1][j-w[i]]}

代码语言:javascript
复制
/**
 * 背包问题
 *
 * @create: 2021/10/28
 * @author: Tony Stark
 */
public class KnapsackProblem {

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

        //创建二维数组  +1是因为多一行一列存放0
        // 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
        int[][] v = new int[n + 1][m + 1];

        //初始化第一行和第一列为0  这里也可以不用写 因为默认值就为0
        for (int i = 0; i < v.length; i++) {
            v[i][0] = 0;
            //将第一行设置为0
        }
        for (int i = 0; i < v[0].length; i++) {
            v[0][i] = 0;
            //将第一列设置为0
        }

        //根据前面的得到的公式来动态规划处理
        //i=1  不处理第一行
        for (int i = 1; i < v.length; i++) {
            for (int j = 1; j < v[0].length; j++) {
                //j=1  不处理第一列
                //公式
                if (w[i - 1] > j) {
                    //如果当前物品重量大于背包容量   把上一个值赋给它
                    v[i][j] = v[i - 1][j];
                } else {
                    //反之  如果当前 背包容量大于物品重量
                    //因为我们的i是从1开始的,因此公式需要调整  -1 不然会跳过第一个元素
//                    v[i][j]=Math.max(v[i-1][j],val[i-1]+v[i-1][j-w[i-1]]);
                    //为了记录商品存放到背包的情况,我们不能直接的使用上面的公式,需要使用if else来处理
                    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];
                    }
                }
            }
        }

        //打印一下当前情况
        for (int j = 0; j < v.length; j++) {
            for (int i = 0; i < v[0].length; i++) {
                System.out.print(v[j][i] + " ");
            }
            System.out.println();
        }
        
        //输出我们最后是放入的哪些商品
        //行的最大下标
        int i = path.length - 1;
        //列的最大下标
        int j = path[0].length - 1;
        while (i > 0 && j > 0) {
            //从path的最后开始找
            if (path[i][j] == 1) {
                System.out.printf("放入第%d个物品\n",i);
                j -= w[i - 1];
            }
            j--;
        }
    }
}
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2021/10/28 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 背包问题
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档