Java如何实现背包算法的实例分析

本篇文章主要介绍了浅谈java实现背包算法(0-1背包问题) ，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧

0-1背包的问题

背包问题(Knapsack problem)是一种组合优化的NP完全问题。问题可以描述为:给定一组物品，每种物品都有自己的重量和价格，在限定的总重量内，我们如何选择，才能使得物品的总价格最高。问题的名称来源于如何选择最合适的物品放置于给定背包中。

这是最基础的背包问题，特点是:每种物品仅有一件，可以选择放或不放。

用子问题定义状态:即f[i][v]表示前i件物品恰放入一个容量为v的背包可以获得的最大价值。则其状态转移方程便是:

PHP5 和 MySQL 圣经

本书是全面讲述PHP与MySQL的经典之作，书中不但全面介绍了两种技术的核心特性，还讲解了如何高效地结合这两种技术构建健壮的数据驱动的应用程序。本书涵盖了两种技术新版本中出现的最新特性，书中大量实际的示例和深入的分析均来自于作者在这方面多年的专业经验，可用于解决开发者在实际中所面临的各种挑战。

下载

立即学习“Java免费学习笔记（深入）”；

f[i][v]=max{ f[i-1][v], f[i-1][v-w[i]]+v[i] }。

public class Bag {

  static class Item {// 定义一个物品
    String id; // 物品id
    int size = 0;// 物品所占空间
    int value = 0;// 物品价值

    static Item newItem(String id, int size, int value) {
      Item item = new Item();
      item.id = id;
      item.size = size;
      item.value = value;
      return item;
    }

    public String toString() {
      return this.id;
    }
  }

  static class OkBag { // 定义一个打包方式
    List Items = new ArrayList();// 包里的物品集合

    OkBag() {
    }

    int getValue() {// 包中物品的总价值
      int value = 0;
      for (Item item : Items) {
        value += item.value;
      }
      return value;
    };

    int getSize() {// 包中物品的总大小
      int size = 0;
      for (Item item : Items) {
        size += item.size;
      }
      return size;
    };

    public String toString() {
      return String.valueOf(this.getValue()) + " ";
    }
  }

  // 可放入包中的备选物品
  static Item[] sourceItems = { Item.newItem("4号球", 4, 5), Item.newItem("5号球", 5, 6), Item.newItem("6号球", 6, 7) };
  static int bagSize = 10; // 包的空间
  static int itemCount = sourceItems.length; // 物品的数量

  // 保存各种情况下的最优打包方式 第一维度为物品数量从0到itemCount,第二维度为包裹大小从0到bagSize
  static OkBag[][] okBags = new OkBag[itemCount + 1][bagSize + 1];

  static void init() {
    for (int i = 0; i < bagSize + 1; i++) {
      okBags[0][i] = new OkBag();
    }

    for (int i = 0; i < itemCount + 1; i++) {
      okBags[i][0] = new OkBag();
    }
  }

  static void doBag() {
    init();
    for (int iItem = 1; iItem <= itemCount; iItem++) {
      for (int curBagSize = 1; curBagSize <= bagSize; curBagSize++) {
        okBags[iItem][curBagSize] = new OkBag();
        if (sourceItems[iItem - 1].size > curBagSize) {// 当前物品大于包空间.肯定不能放入包中.
          okBags[iItem][curBagSize].Items.addAll(okBags[iItem - 1][curBagSize].Items);
        } else {
          int notIncludeValue = okBags[iItem - 1][curBagSize].getValue();// 不放当前物品包的价值
          int freeSize = curBagSize - sourceItems[iItem - 1].size;// 放当前物品包剩余空间
          int includeValue = sourceItems[iItem - 1].value + okBags[iItem - 1][freeSize].getValue();// 当前物品价值+放了当前物品后剩余包空间能放物品的价值
          if (notIncludeValue < includeValue) {// 放了价值更大就放入.
            okBags[iItem][curBagSize].Items.addAll(okBags[iItem - 1][freeSize].Items);
            okBags[iItem][curBagSize].Items.add(sourceItems[iItem - 1]);
          } else {// 否则不放入当前物品
            okBags[iItem][curBagSize].Items.addAll(okBags[iItem - 1][curBagSize].Items);
          }
        }

      }
    }
  }

  public static void main(String[] args) {
    Bag.doBag();
    for (int i = 0; i < Bag.itemCount + 1; i++) {// 打印所有方案中包含的物品
      for (int j = 0; j < Bag.bagSize + 1; j++) {
        System.out.print(Bag.okBags[i][j].Items);
      }
      System.out.println("");
    }

    for (int i = 0; i < Bag.itemCount + 1; i++) {// 打印所有方案中包的总价值
      for (int j = 0; j < Bag.bagSize + 1; j++) {
        System.out.print(Bag.okBags[i][j]);
      }
      System.out.println("");
    }

    OkBag okBagResult = Bag.okBags[Bag.itemCount][Bag.bagSize];
    System.out.println("最终结果为:" + okBagResult.Items.toString() + okBagResult);

  }

}