一、01背包问题描述

有n 个物品，它们有各自的重量和价值，现有给定容量的背包，如何让背包里装入的物品具有最大的价值总和？

i	1	2	3	4
w(体积)	2	3	4	5
v(价值)	3	4	5	6

二、解法分析

1.分层考虑解决"每个物品最多只能装一次"

每个物品只能装一次,那么就应该想到常用的一种方法,就是用数组的纵轴来解决,对于n个物品,为它赋予i=1~n的编号,那么数组的纵轴就有n层,每层只考虑装不装这个物品,那么分层考虑就可以解决最多装一个的问题了。

2.对0,1的理解

对于每个背包,都只有0和1的情况,也就是拿或者不拿两种情况。
如果拿:那么空间就会减一点,比如说现在在考虑第i个物品拿不拿,如果说当前剩余空间为j,那么拿了之后空间就变为j-c[i],但是总价值却会增加一点,也就是增加w[i]。
如果不拿:那么空间不会变,还是j,但是总价值也不会变化。

3.限制条件

所以对于这题来说有一个限制条件,就是空间不超出,然后目标就是在空间不超出的情况塞入物品使总价值最大。

本问题中最重要的两个值就是物品、背包重量。

4.递归方程的推导

所以定义：m[i][j]表示编号为i的物品、当背包容量为j时的最大可容纳价值。

递归方程：

当w[i] > j的时候，说明放不下去，所以肯定不能放i号物品，所以：m[i][j] = m[i-1][j]
当w[i] <= j的时候，说明放的下去，那么问题就是放不放，如果放的话价值是m[i-1][j-w[i]] + v[i]；如果不放下去，就是m[i][j] = m[i-1][j]。所以放不放显然取决于两个值的大小。

综上，得到递归方程：

if(j>=w[i])m[i][j]=max(m[i-1][j],m[i-1][j-w[i]]+v[i]);
else  m[i][j]=m[i-1][j];

因为这里涉及m[i-1][j]，所以递推需要把m[0][j]算出来，然后从1开始递推。m[0][j]比较简单，就是比较w[0]和j的关系。

三、代码实现

/**** @param w 物品i的重量为wi* @param v 物品i的价值为vi* @param c 背包总的容量为c* @return 能装入背包的总价值*/
public static int getResult(int w[], int v[], int c) {if(w.length != v.length) {throw new IllegalArgumentException();}if (c <= 0) {return 0;}int n = w.length;//m[i][j] 表示 在背包容量剩余j的时候考虑到第i件物品的最大价值（i从0还是计数）int m[][] = new int[n][c + 1];for(int j = 0; j < c + 1; j++) {if(w[0] > j) {m[0][j] = 0;} else {m[0][j] = v[0];}}for(int i = 1; i < n; i++) {for(int j = 0; j < c + 1; j++) {if(w[i] > j) {m[i][j] = m[i - 1][j];} else {m[i][j] = Math.max(m[i - 1][j], m[i - 1][j - w[i]] + v[i]);}}}return m[n - 1][c];
}

四、总结

对于01背包问题，用蛮力法与用动态规划解决得到的最优解和解组成是一致的，所以动态规划解决此类问题是可行的。动态规划效率为线性，蛮力法效率为指数型，结合以上内容和理论知识可以得出，解决此问题用动态规划比用蛮力法适合得多。对于动态规划不足的是空间开销大，数据的存储得用到二维数组；好的是，当前问题的解只与上一层的子问题的解相关，所以，可以把动态规划的空间进行优化，使得空间效率从O(n*c)转化为O(c)，遗憾的是，虽然优化了空间，但优化后只能求出最优解，解组成的探索方式在该方法运行的时候已经被破坏掉；总之动态规划和优化后的动态规划各有优缺点，可以根据实际问题的需求选择不同的方式。

我的微信公众号：架构真经（id：gentoo666），分享Java干货，高并发编程，热门技术教程，微服务及分布式技术，架构设计，区块链技术，人工智能，大数据，Java面试题，以及前沿热门资讯等。每日更新哦！

参考资料：

https://www.jianshu.com/p/cb5957344256
https://www.cnblogs.com/Christal-R/p/Dynamic_programming.html
https://www.cnblogs.com/zyacmer/p/9961710.html
https://www.jianshu.com/p/b0376bc3cd76

程序员的算法课（7）-01背包问题相关推荐

视频教程-程序员必备算法课！（揭秘淘宝购物车算法）-机器学习
程序员必备算法课!(揭秘淘宝购物车算法) CSDN讲师名下集合了诸多业界知名讲师的公开课内容,内容涵盖人工智能.大数据.区块链等诸多热门技术领域的最佳技术实践,聚合美团.滴滴.AWS.科大讯飞等知名企 ...
程序员的算法课（5）-动态规划算法
前言众所周知,递归算法时间复杂度很高为(2^n),而动态规划算法也能够解决此类问题,动态规划的算法的时间复杂度为(n^2).动态规划算法是以空间置换时间的解决方式. 一.什么是动态规划动态规划(D ...
程序员的算法课（4）-二分查找
一个90%的程序员写不对的程序,一个面试高频出现的面试题,一个开发中用之甚广的算法,一个最能体现程序员素质的代码,它就是二分查找. 一.二分查找的定义 [百度百科]二分查找也称折半查找(Binary ...
哈夫曼编码压缩率计算_程序员的算法课（8）-贪心算法：理解霍夫曼编码
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/m0_37609579/article/ ...
程序员的算法课（8）-贪心算法：理解霍夫曼编码
一.一种很贪婪的算法定义贪心是人类自带的能力,贪心算法是在贪心决策上进行统筹规划的统称. [百度百科]贪心算法(又称贪婪算法)是指,在对问题求解时,总是做出在当前看来是最好的选择.也就是说,不从整体 ...
程序员的算法课（3）-递归（recursion）算法
一.什么是递归递归是一种数学上分而自治的思想. 递归将大型复杂问题转化为与原问题相同但规模较小的问题进行处理递归需要有边界条件,当边界条件不满足时,递归继续进行:当边界条件满足时,递归停止 [百 ...
程序员的算法课（1）-算法概述
[算法之美]数据结构+算法=程序. 前言数据结构只是静态的描述了数据元素之间的关系.高效的程序需要在数据结构的基础上设计和选择算法. 高效的程序=恰当的数据结构+合适的算法算法(Algorithm ...
c 递归下降识别程序_程序员的算法课（3）-递归（recursion）算法
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/m0_37609579/article/ ...
程序员的算法课（20）-常用的图算法：最小生成树（MST）
一.图的生成树和最小生成树生成树(SpanningTree):如果一个图的子图是一个包含图所有节点的树,那这个子图就称为生成树.图的生成树不惟一.从不同的顶点出发进行遍历,可以得到不同的生成树.专业 ...

程序员的算法课（7）-01背包问题