java 动态规划 背包问题

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？

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]]+pi , c[i-1][m]}（下图将给出更具体的解释）

                       

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），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。

                   

public class BackPack {    public static void main(String[] args) {        int m = 10;        int n = 3;        int w[] = {3, 4, 5};        int p[] = {4, 5, 6};        int c[][] = BackPack_Solution(m, n, w, p);        for (int i = 1; i <=n; i++) {            for (int j = 1; j <=m; j++) {                System.out.print(c[i][j]+"\t");                if(j==m){                    System.out.println();                }            }        }        //printPack(c, w, m, n);    } /**     * @param m 表示背包的最大容量     * @param n 表示商品个数     * @param w 表示商品重量数组     * @param p 表示商品价值数组     */    public static int[][] BackPack_Solution(int m, int n, int[] w, int[] p) {        //c[i][v]表示前i件物品恰放入一个重量为m的背包可以获得的最大价值        int c[][] = new int[n + 1][m + 1];        for (int i = 0; i < n + 1; i++)            c[i][0] = 0;        for (int j = 0; j < m + 1; j++)            c[0][j] = 0;        for (int i = 1; i < n + 1; i++) {            for (int j = 1; j < m + 1; j++) {                //当物品为i件重量为j时，如果第i件的重量(w[i-1])小于重量j时，c[i][j]为下列两种情况之一：                //(1)物品i不放入背包中，所以c[i][j]为c[i-1][j]的值                //(2)物品i放入背包中，则背包剩余重量为j-w[i-1],所以c[i][j]为c[i-1][j-w[i-1]]的值加上当前物品i的价值                if (w[i - 1] <= j) {                    if (c[i - 1][j] < (c[i - 1][j - w[i - 1]] + p[i - 1]))                        c[i][j] = c[i - 1][j - w[i - 1]] + p[i - 1];                    else                        c[i][j] = c[i - 1][j];                } else                    c[i][j] = c[i - 1][j];            }        }        return c;    }

0    0    4    4    4    4    4    4    4    4    0    0    4    5    5    5    9    9    9    9    0    0    4    5    6    6    9    10    11    11