关于01背包问题的优化

一、01背包问题介绍

  背包问题是经典的动态规划问题之一;

  常见的01背包问题就是说有一堆物品,现在要装入一个容器中,这些物品的重量和价值各不一致,而容器的重量又是有限的,没种物品只能装1个或者不装(0个),求当重量限定为w时,这些物品能装进去组合成的最高价值是多少?

分析:我们首先将物品排成一排(随机),依次标记为1号,2号。。。。然后从一号开始依次往里放,放的时候判断当前物品是不是应该放进去:

      如果当前物品放进去之后的最高总价值 比 不放进去的最高总价值 大 ,那么就是要放入,然后总价值取放入之后的

                                  反之不放入,总价值依然取之前的值。

  并且,在对同一个物品判断时,从0依次增加容器的容量,直到上限w

     当前物品放进去之后的最高总价值 = 上一号物品判断时(容量 = 当前容量 - 当前物品重量 时)总价值 + 当前物品的价值

     不放进去的最高总价值 = 上一号物品判断的时候(容量 = 当前容量 时)总价值

  所以有伪代码如下:

        if (当前物品重量 > 当前容量) {
            此时最高总价值 = 当前物品不放进去的最高总价值;  // 此时物品重量比容量大,放不进去,只能取放不进去的情况
        } else {
            此时最高总价值 = max(当前物品不放进去的最高总价值, 当前物品放进去的最高总价值);
        }

因此,我们可以用一个状态表来对整个过程进行描述。

假设现在是有三物品 (不是三种)一号、二号、三号,重量分别为3,2,5; 价值分别为7,4,8; 当前容器容量为8,求最大价值。

首先,第一行,为没有任何物品的时候,全部置0;

第二行,判断一号物品能不能放:

  当容量扩充为3的时候,一号物品终于能放,价值为7,由于当前也只有一号,所以后面都是7;

第三行,判断二号物品能不能放:

  当容量扩充为2的时候,二号物品终于能放,价值为4,与不放进去的最高价值(一号物品在此容量时的值:0)进行比较,所以成功放进去;

  当容量扩充为3的时候,二号物品一定放时,价值为4,与不放进去的最高价值(一号物品在此容量时的值:7)进行比较,决定不放进去了;

  。。。

  当容量扩充为5的时候,二号物品一定放时,最高价值为(一号物品在(当前容量 - 二号物品的重量)时的价值+二号物品的价值)

                                          =(一号物品在容量为(5-2)的时候 + 二号物品的价值)= 7 + 4 =11

  。。。【如下表】

容量 0 1 2 3 4 5 6 7 8
0 0 0 0 0 0 0 0 0
一号 0 0 0 7 7 7 7 7 7
二号 0 0 4 7 7 11 11 11 11
三号 0 0 4 7 7 11 11 12 15

所以有代码如下:

    public static int getMaxValue(int[] weight, int[] value, int w) {
        int n = weight.length;
        int[][] table = new int[n + 1][w + 1];
        for (int i = 1; i <= n; i++) {     // 物品遍历(第0行肯定全是0,所以不用遍历)
            for (int j = 0; j <= w; j++) { // 背包大小递增
                if (weight[i-1] > j) {     // 当前物品i的重量比背包容量j大,装不下,只能是不装
                    table[i][j] = table[i - 1][j];
                } else {                   // 装得下,Max{不装物品i, 装物品i}
                    table[i][j] = Math.max(table[i - 1][j], table[i - 1][j - weight[i-1]] + value[i-1]);
                }
            }
        }
        return table[n][w];
    }

提问:为什么要【n+1】行?

 ——因为之后每一个数都需要与上一行做比较,一号物品放入的时候也需要与没放入的时候做比较,所以空出一行作为“没有物品的时候”;

  为什么要【w+1】列?

 ——因为在容量递增时,第一个物品能放的时候,需要与容量减去当前物品的重量,也就是容量为0的时候做比较,所以,也是需要一列作为“0容量的时候”;

  为什么是weight[i - 1] 和 value[i - 1]?

——因为传入的重量和价值必然是从一号物品开始,而我们的表是从“没有物品”和“0容量”开始,多了一行和一列,所以 i 是当前物品的标号,而当前物品下标为【标号-1】;

二、空间复杂度优化

  很显然,上面算法的空间复杂度为矩阵大小【n+1】*【w+1】。

  n可能不大,但是实际应用伤的w可能会很大,这样造成了比较大的空间占用。

  而仔细观察发现,矩阵中的值只与当前值的左上角的矩阵里的值有关,如图二号物品容量为4时的价值7,只与绿色标注值有关。

容量 0 1 2 3 4 5 6 7 8
0 0 0 0 0 0 0 0 0
一号 0 0 0 7 7 7 7 7 7
二号 0 0 4 7 7 11 11 11 11
三号 0 0 4 7 7 11 11 12 15

  并且我们是按行进行更新的,所以我们用一个一维数据就能进行状态的更替,不过要注意更新的方向。

  所以依赖关系为:下面依赖上面,右边依赖左边;

  如果正常地从左到右边,那么右边面等待更新的值需要的依赖(左边)就会被覆盖掉,所以应该每行从右边开始更新。代码如下:

    public static int getMaxValueByOne(int[] weight, int[] value, int w) {
        int n = weight.length;
        int[] table = new int[w + 1];

        for (int i = 1; i <= n; i++) {
            for (int j = w; j >= 0; j--) {
                if (weight[i-1] <= j) {
                    table[j] = Math.max(table[j], table[j - weight[i-1]] + value[i-1]);
                }
            }
        }
        return table[w];
    }

  如此一来,01背包的空间复杂度就降为了O(w)。

原文地址:https://www.cnblogs.com/Xieyang-blog/p/9432711.html

时间: 2024-10-06 00:53:52

关于01背包问题的优化的相关文章

6、0-1背包问题优化

0-1背包问题优化 关于0-1背包问题的优化,其实一开始也觉得分配的内存确实太多了,对于物品数为N,背包容量为W的背包问题 则我们每次需要分配的内存是N*W,这确实不太好. 于是我们是否可以使用一个一维数组来代替前面算法的二维数组问题呢? 这好像是可以的,因为我们的想法是自底向上,其实对于W*N的二维数组,对于数组select[i][w]所代表的意思是 在背包容量为w,可以选的物品为前i个时它所能达到的最大价值,我们可以看到所记录的前面i个背包所能达到最 大的价值是浪费,我们所关心的只是在N个物

动态规划 - 0-1背包问题的算法优化

简单描述 0-1背包问题描述如下: 有一个容量为V的背包,和一些物品.这些物品分别有两个属性,体积w和价值v,每种物品只有一个.要求用这个背包装下价值尽可能多的物品,求该最大价值,背包可以不被装满.因为最优解中,每个物品都有两种可能的情况,即在背包中或者不存在(背 包中有0个该物品或者 1个),所以我们把这个问题称为0-1背包问题. 0-1背包问题状态转移方程 用dp[i][j]表示前i个物品在总体积不超过j的情况下,放到背包里的最大价值.由此可以推出状态转移方程: dp[0][j] = 0;

01背包问题(空间优化)经典代码

题目 有N件物品和一个容量为V的背包.第i件物品的费用是c[i],价值是w[i].求解将哪些物品装入背包可使价值总和最大. 基本思路 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: f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]+w[i]} 这个方程非常重要,基本上所有跟背包相关的问题的方程都是由它衍生出来的.所以有必要将它详细解释一下

优化算法系列-模拟退火算法(1)——0-1背包问题

优化算法系列之模拟退火算法(1)--0-1背包问题 1问题描述 有一个窃贼在偷窃一家商店时发现有N件商品:第i件物品价值vi元,重wi磅,其中vi.wi都是整数.他希望带走的东西越值钱越好,但他的背包小,最多只能装下W磅的东西(W为整数).如果每件物品或被带走或被留下,小偷应该带走哪几件东西? 2解空间 设xi表示第i件物品的取舍,1代表取,0代表舍,搜索空间为n元一维数组(x1,x2,x3,.....,xn).因而解空间的取值范围可表示为(0,0,0,....,0),(0,0,0,......

01背包问题:POJ3624

背包问题是动态规划中的经典问题,而01背包问题是最基本的背包问题,也是最需要深刻理解的,否则何谈复杂的背包问题. POJ3624是一道纯粹的01背包问题,在此,加入新的要求:输出放入物品的方案. 我们的数组基于这样一种假设: totalN表示物品的种类,totalW表示背包的容量 w[i]表示第i件物品的重量,d[i]表示第i件物品的价值. F(i,j)表示前i件物品放入容量为j的背包中,背包内物品的最大价值. F(i,j) = max{ F(i-1,j) , F(i-1,j-w[i])+d[i

01背包问题

01背包问题详解 题目 有N件物品和一个容量为V的背包.第i件物品的费用是c[i],价值是w[i].求解将哪些物品装入背包可使价值总和最大. 基本思路 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: f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]+w[i]} 这个方程非常重要,基本上所有跟背包相关的问题的方程都是由它衍生出来的.所以有必

01背包问题的学习(来源:背包九讲)

问题: 有N件物品和一个容量为V的背包.第i件物品的费用是c[i],价值是w[i].求解将哪些物品装入背包可使价值总和最大. 思路: 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:f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]+w[i]}.这个方程非常重要,基本上所有跟背包相关的问题的方程都是由它衍生出来的.所以有必要将它详细解释一下:"

《算法导论》读书笔记之第16章 0-1背包问题—动态规划求解

原文:http://www.cnblogs.com/Anker/archive/2013/05/04/3059070.html 1.前言 前段时间忙着搞毕业论文,看书效率不高,导致博客一个多月没有更新了.前段时间真是有些堕落啊,混日子的感觉,很少不爽.今天开始继续看算法导论.今天继续学习动态规划和贪心算法.首先简单的介绍一下动态规划与贪心算法的各自特点及其区别.然后针对0-1背包问题进行讨论.最后给出一个简单的测试例子,联系动态规划实现0-1背包问题. 2.动态规划与贪心算法 关于动态规划的总结

动态规划专题 01背包问题详解【转】

对于动态规划,每个刚接触的人都需要一段时间来理解,特别是第一次接触的时候总是想不通为什么这种方法可行,这篇文章就是为了帮助大家理解动态规划,并通过讲解基本的01背包问题来引导读者如何去思考动态规划.本文力求通俗易懂,无异性,不让读者感到迷惑,引导读者去思考,所以如果你在阅读中发现有不通顺的地方,让你产生错误理解的地方,让你难得读懂的地方,请跟贴指出,谢谢! 初识动态规划 经典的01背包问题是这样的: 有一个包和n个物品,包的容量为m,每个物品都有各自的体积和价值,问当从这n个物品中选择多个物品放