Java数据结构与算法(0/1背包问题)

前言:

背包问题(Knapsack Problem)是组合优化问题中的一个经典问题,有多个变种。这里我们讨论的是 0/1 背包问题,这是最基本的一种形式。问题的描述如下:

给定 n 件物品,每件物品有一个重量 wi 和一个价值 vi,以及一个背包,它能够承载的最大重量为 W。我们需要确定应该将哪些物品放入背包,以使得背包内物品的总价值最大。

其中:0/1表示该物品是否被选中放入背包中(1代表选中,0代表不选中).

背包问题分类:

  • 0-1背包问题
  • 完全背包问题 
  • 多重背包问题
  • 混合背包问题
  • 二维背包问题
  • 分组背包问题
  • 有依赖的背包问题 (困难)

解题思路:

使用动态规划可以有效地解决 0/1 背包问题。动态规划的思想是将问题分解成子问题,并利用子问题的解来构建原问题的解。

  1. 定义状态:用 dp[i][j]表示前 i件物品恰好放入一个容量为 j的背包时所能获得的最大价值。
  2. 状态转移方程:        
  • 如果不选第 i件物品:dp[i][j]=dp[i−1][j]
  • 如果选第 i件物品:dp[i][j]=dp[i−1][j−wi]+vi
  • 综上:dp[i][j]=max⁡(dp[i−1][j],dp[i−1][j−wi]+vi)
  1. 初始条件:dp[0][j]=0对于所有的 j,即没有物品时的最大价值为 0。

实现代码

public class Knapsack {public static int knapsack(int W, int[] weights, int[] values, int n) {int[][] dp = new int[n + 1][W + 1];for (int i = 1; i <= n; i++) {for (int w = 0; w <= W; w++) {if (weights[i - 1] <= w) {dp[i][w] = Math.max(dp[i - 1][w], dp[i - 1][w - weights[i - 1]] + values[i - 1]);} else {dp[i][w] = dp[i - 1][w];}}}return dp[n][W];}public static void main(String[] args) {int W = 50; // 背包容量int[] weights = {10, 20, 30}; // 物品重量int[] values = {60, 100, 120}; // 物品价值int n = values.length;System.out.println("最大价值: " + knapsack(W, weights, values, n));}
}

QA1:

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/30315.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

CityEngine记录1:工程目录

CityEngine的工程目录结构对于理解和组织3D城市建模项目至关重要。以下是对CityEngine工程目录结构的详细解析&#xff1a; Assets&#xff1a; 存放模型的零件与纹理图片。这些资产通常用于在建模过程中为建筑物、道路、植被等元素添加详细的纹理和细节。 Data&#xff1a; …

无问芯穹Qllm-Eval:制作多模型、多参数、多维度的量化方案

前言 近年来&#xff0c;大语言模型&#xff08;Large Models, LLMs&#xff09;受到学术界和工业界的广泛关注&#xff0c;得益于其在各种语言生成任务上的出色表现&#xff0c;大语言模型推动了各种人工智能应用&#xff08;例如ChatGPT、Copilot等&#xff09;的发展。然而…

【紫光同创盘古PGX-Nano教程】——(盘古PGX-Nano开发板/PG2L50H_MBG324第十一章)模拟波形实验例程说明

本原创教程由深圳市小眼睛科技有限公司创作&#xff0c;版权归本公司所有&#xff0c;如需转载&#xff0c;需授权并注明出处&#xff08;www.meyesemi.com) 适用于板卡型号&#xff1a; 紫光同创PG2L50H_MBG324开发平台&#xff08;盘古PGX-Nano&#xff09; 一&#xff1a;…

Python学习笔记9:入门知识(九)

缩进 什么是缩进&#xff1f; 缩进&#xff0c;简单的理解为本行的首字符相比上一行的首字符位置相对靠后。目前笔者接触的编程语言缩进一般是4字符&#xff0c;直接可以按tab键就行。 为什么突然讲缩进&#xff1f; Python这门语言&#xff0c;是依靠缩进来判断当前行与上…

大话C语言:第25篇 动态库

1 动态库概述 C语言动态库&#xff08;也称为共享库&#xff09;是在程序运行时被加载到内存中的库文件&#xff0c;它包含了可由多个程序共享的代码和数据。动态库在编译时不会被直接链接到目标程序中&#xff0c;而是在程序运行时动态加载。这种特性使得动态库具有一些优势&a…

什么是仲裁器(Arbiter)?

在电子系统设计中&#xff0c;仲裁器&#xff08;Arbiter&#xff09;是关键组件&#xff0c;用于管理多设备或信号对共享资源&#xff08;如总线、内存、I/O通道等&#xff09;的竞争访问。通过确保公平和高效的资源分配&#xff0c;仲裁器提升了系统的性能和可靠性。本文将详…

展览中的投影墙互动有哪些新玩法?

随着投影技术的飞速发展&#xff0c;它已经突破了传统场地、面积和形式的限制&#xff0c;为各类展示场景带来了前所未有的新颖投影形式。这些投影案例中&#xff0c;不乏一些在不规则墙面、独特物品外观上精彩呈现的典范。这些结合投影技术与互动技术的展示形式&#xff0c;不…

【类脑计算】突触可塑性模型之Hebbian学习规则和STDP

1 引言 突触可塑性 (Synaptic plasticity)指经验能够修改神经回路功能的能力。特指基于活动修改突触传递强度的能力&#xff0c;是大脑适应新信息的主要调查机制。分为短期和长期突触可塑性&#xff0c;分别作用于不同时间尺度&#xff0c;对感官刺激的短期适应和长期行为改变…

极具吸引力的小程序 UI 风格

极具吸引力的小程序 UI 风格

深圳中小企业融资攻略,贷款方法大盘点!

中小企业融资这事&#xff0c;可不是一个简单的事情。资金对中小企业来说&#xff0c;就像血液对人体一样重要。企业发展离不开资金支持&#xff0c;特别是在今年这个环境下&#xff0c;政策对中小企业还挺友好的。今天讲解一下中小微企业常用的几种贷款方法。希望能让大家更明…

NavicatforMySQL11.0软件下载-NavicatMySQL11最新版下载附件详细安装步骤

我们必须承认Navicat for MySQL 支援 Unicode&#xff0c;以及本地或远程 MySQL 服务器多连线&#xff0c;使用者可浏览数据库、建立和删除数据库、编辑数据、建立或执行 SQL queries、管理使用者权限&#xff08;安全设定&#xff09;、将数据库备份/复原、汇入/汇出数据&…

开源打通版/标准版v4电商商城系统小程序发布之后无法生成海报问题

小程序产品分销二维码生成不了 开发者工具可以生成海报&#xff0c;但是发布之后无法生成 1.在开发者工具中&#xff0c;将不校验合法域名关闭 2.点击生成海报&#xff0c;查看console 3.将域名填写到微信公众平台小程序的download合法域名中 网址https://mp.weixin.qq.com/

总是给数据库表字段设置默认值的好处

1、NOT NULL DEFAULT 的好处 在设计数据库表结构时&#xff0c;将字段设置为不能为空并设置默认值有以下几种好处&#xff1a; 1.1、数据完整性 通过设置字段不能为空&#xff0c;可以确保每条记录都包含必要的数据&#xff0c;从而保证了数据的完整性。例如&#xff0c;在用…

什么是SLA

SLA是"Service Level Agreement"的缩写&#xff0c;中文意思是"服务等级协议"。这是一种正式的协议或合同&#xff0c;通常由服务提供商和客户之间签订&#xff0c;定义了服务提供商承诺提供的服务质量、可用性、响应时间等标准。SLA通常包括以下几个方面&…

浅谈Java23种设计模式之11种行为型模式的使用场景(第一部分)

前言: 这是设计模式的第三期;继续根据实际开发应用场景解析这11种行为型设计模式,也是在实际开发中经常会用到的,希望给同学们带来帮助. 为了减少阅读疲劳 我会分成三部分详细诠释. 1.责任链模式&#xff08;Chain of Responsibility&#xff09; 概念: 它允许你将请求沿着处…

【机器学习】基于RoBERTa模型的句子嵌入实践

1.引言 1.1.RoBERTa模型开发背景 BERT模型自发布以来&#xff0c;就以其卓越的性能和广泛的应用领域&#xff0c;在NLP领域引起了巨大的轰动。BERT通过预训练大量文本数据&#xff0c;学习到了丰富的语言表示&#xff0c;并在多个NLP任务上取得了显著的效果提升。然而&#x…

WebRTC AudioProcessing 移植调试

ref&#xff1a; https://zhuanlan.zhihu.com/p/416984089 webRTC-audio-processing 编译-CSDN博客 webrtc-audio-processing pulseaudio最新版本1.0交叉编译到ARM_webrtc-audio-processing demo-CSDN博客 PulseAudio / webrtc-audio-processing GitLab 移植webrtc-audio…

Swift开发——弱占用

自动引用计数(Automatic Reference Counting&#xff0c;ARC)&#xff0c;是Swift语言管理类的实例的方式。当创建某个类的一个新实例后&#xff0c;ARC自动为新实例分配内存空间&#xff0c;用于保存实例的类型和存储属性&#xff0c;当将该实例赋给常量、变量或其他实例的属性…

npm install 安装不成功,node-sass缺失,提示python环境缺失的解决办法

npm install 安装不成功的原因 是因为缺少python的环境 解决方法&#xff1a; 1、去官网下载 https://www.python.org/downloads/release&#xff0c;注意安装3.6版本以上还是会有问题&#xff0c;建议安装3.6版本以上的&#xff0c;我选择安装的是3.9.6&#xff0c;对应的下载…

numpy用savez_compressed压缩数据

[1] 展示了用 scipy.io.savemat 压缩数据的写法&#xff0c;且在压缩二进制数据时优于 numpy.packbits。其实 numpy.savez_compressed 也能压缩&#xff0c;本文记录用之存压缩数据的写法&#xff0c;并比较其与 numpy.save 和 scipy.io.savemat 压缩效果。 用到 TotalSegment…