原文链接: javacodegeeks 翻译: ImportNew.com - hejiani
译文链接: http://www.importnew.com/13072.html
假定背包的最大容量为W,N件物品,每件物品都有自己的价值和重量,将物品放入背包中使得背包内物品的总价值最大。
背包问题wiki
可以想象这样一个场景——小偷在屋子里偷东西,他带着一只背包。屋子里物品数量有限——每件物品都具有一定的重量和价值——珠宝重量轻但价值高,桌子重但价值低。最重要的是小偷背包容量有限。很明显,他不能把桌子分成两份或者带走珠宝的3/4。对于一件物品他只能选择带走或者不带走。
1
2
3
4
|
Knapsack Max weight : W =
10
(units)
Total items : N =
4
Values of items : v[] = {
10
,
40
,
30
,
50
}
Weight of items : w[] = {
5
,
4
,
6
,
3
}
|
从示例数据大致估算一下,最大重量为10时背包能容纳的物品最大价值为50+40=90,重量为7。
最佳的解决方法是使用动态规划——先得到该问题的局部解然后扩展到全局问题解。
构建物品X在不同重量时的价值数组V(Value数组):
1
|
V[N][W] =
4
rows *
10
columns
|
该矩阵中的每个值的求解都代表一个更小的背包问题。
初始情况一:对于第0列,它的含义是背包的容量为0。此时物品的价值呢?没有。因此,第一列都填入0。
初始情况二:对于第0行,它的含义是屋内没有物品。那么没有任何物品的背包里的价值多少呢?还是没有!所有都是0。
步骤:
1、现在,开始填入数组每一行的值。第1行第1列代表什么含义呢?对于第一个物品,可以把重量为1的该物品放入背包吗?不行。第一个物品的重量是5。因此,填入0。实际上直到第5列(重量5)之前都应该填入0。
2、对于第1行的第5列(重量5),意味着将物品1放入背包。填入10(注意,这是Value数组):
3、继续,对于第6列,我们可以再放入重量为1(重量值-物品的重量)的物品吗。我们现在只考虑物品1。由于我们加入物品1之后就不能再加入额外的重量,可以很直观地看到其余的列都应该还是相同的值。
4、接着,有意思的事情就要出现了。在第3行第4列,此时重量为4。
需要作以下判断:
简单来说,重量为4的前一行的值本身就是个更小的背包问题解,它的含义是到该重量时背包内物品的最大价值(通过遍历物品得到)。
举个例子:
计算过程如下:
1) 计算不放入该物品时该重量的最大价值:
1
2
3
|
previous row, same weight =
0
=> V[item-
1
][weight]
|
2) 计算当前物品的价值 + 可以容纳的剩余重量的价值
1
2
3
4
|
Value of current item
+ value in previous row with weight
4
(total weight until now (
4
) - weight of the current item (
4
))
=> val[item-
1
] + V[item-
1
][weight-wt[item-
1
]]
|
找到二者之中的最大值40(0和40)。
3) 下一次最重要的位置为第2行第9列。意味着此时重量为9,放入两件物品。根据示例数据现在可以放入两件物品。我们作了以下判断:
1
2
3
4
|
1. The value of the current item = 40
2. The weight of the current item = 4
3. The weight that is left over = 9 - 4 = 5
4. Check the row above. At the remaining weight 5, are we able to accommodate Item 1.
|
计算如下:
1
|
previous row, same weight = 10
|
1
2
3
4
|
Value of current item (40)
+ value in previous row with weight 5 (total weight until now (9) - weight of the current item (4))
= 10
|
10vs50 = 50。
解决了所有的子问题之后,返回V[N][W]的值——4件物品重量为10时:
解法的复杂度非常直观。在N次循环中有W次循环 => O(NW)
Java代码实现:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
|
class
Knapsack {
public
static
void
main(String[] args)
throws
Exception {
int
val[] = {
10
,
40
,
30
,
50
};
int
wt[] = {
5
,
4
,
6
,
3
};
int
W =
10
;
System.out.println(knapsack(val, wt, W));
}
public
static
int
knapsack(
int
val[],
int
wt[],
int
W) {
//Get the total number of items.
//Could be wt.length or val.length. Doesn't matter
int
N = wt.length;
//Create a matrix.
//Items are in rows and weight at in columns +1 on each side
int
[][] V =
new
int
[N +
1
][W +
1
];
//What if the knapsack's capacity is 0 - Set
//all columns at row 0 to be 0
for
(
int
col =
0
; col <= W; col++) {
V[
0
][col] =
0
;
}
//What if there are no items at home.
//Fill the first row with 0
for
(
int
row =
0
; row <= N; row++) {
V[row][
0
] =
0
;
}
for
(
int
item=
1
;item<=N;item++){
//Let's fill the values row by row
for
(
int
weight=
1
;weight<=W;weight++){
//Is the current items weight less
//than or equal to running weight
if
(wt[item-
1
]<=weight){
//Given a weight, check if the value of the current
//item + value of the item that we could afford
//with the remaining weight is greater than the value
//without the current item itself
V[item][weight]=Math.max (val[item-
1
]+V[item-
1
][weight-wt[item-
1
]], V[item-
1
][weight]);
}
else
{
//If the current item's weight is more than the
//running weight, just carry forward the value
//without the current item
V[item][weight]=V[item-
1
][weight];
}
}
}
//Printing the matrix
for
(
int
[] rows : V) {
for
(
int
col : rows) {
System.out.format(
"%5d"
, col);
}
System.out.println();
}
return
V[N][W];
}
}
|