背包问题动态规划解法

2022-01-25 17:33:33 阅读：152 来源： 互联网

一：题目：

背包问题

问题：两个数组一个重量数组W 一个价值数组 V 一个背包 bag ，返回不超过背包容量返回最大价值

二：暴力解法

思路：暴力遍历，思路就是递归的时候按选或者不选当前物品，如果，这样就会产生 w 数组个数次方个解，也就是所有解，遍历返回条件就是如果bag 减去当前物品的重量小于0 说明当前物品就放不进去了就停止循环，没个递归都有将当前物品放进去和不放进去两个解，选最大的向上返回，最后得到的就是最优解。

三：动态规划解法

比如到第N个物品，这个时候因为上面物品拿或不拿就可能会出现N-1次方次尝试，如果尝试的参数一样（背包剩余空间一样，并且都是第N个物品），这个时候就不用重复计算，对已经计算的结果做缓存就可以，基于这个思想，只要循环 w的个数*背包存储空间次就可以得出结果

int[] weights = { 3, 2, 4, 7, 3, 1, 7 };
int[] values = { 5, 6, 3, 19, 12, 4, 2 };
int bag = 9;

1 最上面的一行代表背包剩余格子数

2 左边的代表 0到6个商品总共7个

3 w 代表重量 v代表价值

开始推导

1 最下面一行 7 因为没有商品，所以最高价值都是0

2 倒数第二行6 物品重量是7 价值是 2 ，背包格子7之前，都不能放入背包，没有价值，7之后也只能放这一个物品

3 倒数第三行5 物品重量是1 价值是 4，当背包格子是1的时候就能装，装进去价值是4，在背包格子到8之前都能装6这个物品，当背包到8 ，装了5这个物品，还有7个背包空间，所以还能装6这个物品，价值则是2+4 = 6

4 倒数第四行 4 这个物品也是按照逻辑做对比，其实上面都是按照这个逻辑的，只不过这里清晰写出来，首先判断当前背包容量是否能装当前4这个物品，不能装价值就是0，能装也不能直接写0，还要看看5这个物品，当前背包容量的价值是多少，对比取最大。

5 按照这个计算策略，计算到最后第一行最后一个就是最优解27

代码

package 算法.动态规划.练习1;

/**
 * 背包问题
 * 参数
 * w[] 重量
 * v[] 价值
 * 背包大小 int
 */
public class bag {

    public static void main(String[] args) {
        //1 返回背包模拟参数
        int[] weights = {3, 2, 4, 7, 3, 1, 7};
        int[] values = {5, 6, 3, 19, 12, 4, 2};
        int bag = 9;
        System.out.println(maxValue(weights, values, bag));
        System.out.println(dp(weights, values, bag));
        //2

    }

    /**
     * 暴力解法
     * @param w
     * @param v
     * @param bag
     * @return
     */
    private static int maxValue(int[] w, int[] v, int bag) {
        if (w == null || v == null || w.length != v.length||w.length==0) {
            return 0;
        }
        return process(w, v, 0, bag);

    }

    private static int process(int[] w, int[] v, int index, int bag) {

        if (index == w.length) {
            return 0;
        }
        //不放当前
        int p1 = process(w, v, index+1, bag);
        //获取当前 价值
        int p2 = 0;
        //如果拿了当前的 还有地方就继续拿，如果小于0 说明当前都放不进去
        if (bag-w[index] >= 0) {
            //就继续拿
            int next = process(w, v, index+1, bag-w[index]);
            p2 = next+v[index];
        }
        return Math.max(p1, p2);
    }

    //动态规划
    public static int dp(int[] w, int[] v, int bag) {
        if (w == null || v == null || w.length != v.length || w.length == 0) {
            return 0;
        }
        int N = w.length;
        int[][] dp = new int[N + 1][bag + 1];
        //从最下面一行开始
        for (int index = N - 1; index >= 0; index--) {
            //从左往右
            for (int rest = 0; rest <= bag; rest++) {
                //p1是不拿当前index的值 直接取下一个index  rest背包大小情况下最大值
                int p1 = dp[index + 1][rest];
                int p2 = 0;
                //如果rest剩余背包容量 减去当前 index 的重量（判断是否能放入背包） 放不进去返回-1 如果能放进去就取dp 放进去之后对应的解
                int next = rest - w[index] < 0 ? -1 : dp[index + 1][rest - w[index]];
                //如果能放进去 就累加 放不进去 p2 就是 0 相当于取p1 不放进去的情况（因为放进去就无解了）
                if (next != -1) {
                    p2 = v[index] + next;
                }
                //把当前index 剩余背包容量rest 放不放进去当前的最优解放到数组里，以后index-1取 index 就直接取结果
                dp[index][rest] = Math.max(p1, p2);
            }
        }
        for (int index = 0 ; index <= N ; index++) {
            //从左往右
            for (int rest = 0; rest <= bag; rest++) {
                System.out.print(dp[index][rest]+"|");
            }
            System.out.println(" ");
        }
        return dp[0][bag];
    }


}

标签：index,背包,int,bag,length,物品,动态,解法
来源： https://blog.csdn.net/u010191034/article/details/122687978

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

背包问题动态规划解法