01背包问题
来源:互联网 发布:c语言深度剖析 pdf 编辑:程序博客网 时间:2024/04/29 14:20
<span style="font-family: 'Microsoft Yahei'; line-height: 2em; background-color: rgb(255, 255, 255);">Knapsack - 背包问题</span>
在一次抢珠宝店的过程中,抢劫犯只能抢走以下三种珠宝,其重量和价值如下表所述。
抢劫犯这次过来光顾珠宝店只带了一个最多只能承重17 kg的粉红色小包,于是问题来了,怎样搭配这些不同重量不同价值的珠宝才能不虚此行呢?哎,这年头抢劫也不容易啊...
用数学语言来描述这个问题就是: 背包最多只能承重 W kg, 有 n 种珠宝可供选择,这 n 种珠宝的重量分别为 ω1,⋯,ωn, 相应的价值为 v1,⋯,vn. 问如何选择这些珠宝使得放进包里的珠宝价值最大化?
若一件珠宝最多只能带走一件,请问现在抢劫犯该如何做才能使得背包中的珠宝价值总价最大?
显然,无界背包中的状态及状态方程已经不适用于01背包问题,那么我们来比较这两个问题的不同之处,无界背包问题中同一物品可以使用多次,而01背包问题中一个背包仅可使用一次,区别就在这里。我们用 K(i,ω) 来表示前 i 件物品放入一个容量为 ω 的背包可以获得的最大价值。
现在从以上状态定义出发寻找相应的状态转移方程。K(i−1,ω)为 K(i,ω) 的子问题,如果不放第 i 件物品,那么问题即转化为「前 i−1 件物品放入容量为 ω 的背包」,此时背包内获得的总价值为 K(i−1,ω);如果放入第 i 件物品,那么问题即转化为「前 i−1 件物品放入容量为 ω−ωi 的背包」,此时背包内获得的总价值为 K(i−1,ω−ωi)+vi. 新的状态转移方程用数学语言来表述即为: K(i,ω)=max{K(i−1,ω),K(i−1,ω−ωi)+vi}
这里的分析是以容量递推的,但是在容量特别大时,我们可能需要以价值作为转移方程。定义状态dp[i + 1][j]
为前i
个物品中挑选出价值总和为j
时总重量的最小值(所以对于不满足条件的索引应该用充分大的值而不是最大值替代,防止溢出)。相应的转移方程为:前i - 1
个物品价值为j
, 要么为j - v[i]
(选中第i
个物品). 即dp[i + 1][j] = min{dp[i][j], dp[i][j - v[i]] + w[i]}
. 最终返回结果为dp[n][j] ≤ W
中最大的 j.
public class Knapsack { public static void main(String[] args) { int N = Integer.parseInt(args[0]); // number of items int W = Integer.parseInt(args[1]); // maximum weight of knapsack int[] profit = new int[N+1]; int[] weight = new int[N+1]; // generate random instance, items 1..N for (int n = 1; n <= N; n++) { profit[n] = (int) (Math.random() * 1000); weight[n] = (int) (Math.random() * W); } // opt[n][w] = max profit of packing items 1..n with weight limit w // sol[n][w] = does opt solution to pack items 1..n with weight limit w include item n? int[][] opt = new int[N+1][W+1]; boolean[][] sol = new boolean[N+1][W+1]; for (int n = 1; n <= N; n++) { for (int w = 1; w <= W; w++) { // don't take item n int option1 = opt[n-1][w]; // take item n int option2 = Integer.MIN_VALUE; if (weight[n] <= w) option2 = profit[n] + opt[n-1][w-weight[n]]; // select better of two options opt[n][w] = Math.max(option1, option2); sol[n][w] = (option2 > option1); } } // determine which items to take boolean[] take = new boolean[N+1]; for (int n = N, w = W; n > 0; n--) { if (sol[n][w]) { take[n] = true; w = w - weight[n]; } else { take[n] = false; } } // print results System.out.println("item" + "\t" + "profit" + "\t" + "weight" + "\t" + "take"); for (int n = 1; n <= N; n++) { System.out.println(n + "\t" + profit[n] + "\t" + weight[n] + "\t" + take[n]); } }}
- 背包问题---01背包
- DP 背包问题 01背包
- 01背包--苹果,背包问题
- 01背包 完全背包问题
- 背包问题之01背包
- 背包问题之01背包
- 背包问题1:01背包
- 背包问题《1》01背包
- 01背包+完全背包问题
- 背包问题-背包01-苹果
- 背包问题之01背包
- 背包问题(01背包,完全背包,多重背包)
- 背包问题(01背包,完全背包,多重背包)
- 动态规划-----背包问题-----01背包,完全背包,多重背包
- 经典背包问题 01背包+完全背包+多重背包
- 背包(01背包、完全背包、多重背包)问题总结
- 背包问题(01背包,完全背包,多重背包)
- 经典背包问题 01背包+完全背包+多重背包
- TLS线程局部存储
- Java 数组实现冒泡排序
- OJ提交题目中的语言选项里G++与C++的区别
- Javascript中各种高度宽度解读
- hdoj 欧拉回路 1878 (并查集)
- 01背包问题
- hdu3033I love sneakers!【分组背包】每组至少取一个
- 剑指offer-二叉搜索树与双向链表
- Office——安装从32位转为64位
- Hadoop完全分布式集群配置
- JavaScript面向对象编程
- 如何创建指定大小的数组/字符串
- 分数化小数
- 子线程更新UI