标签:throws inf margin htm pac color data- 结果 span
一 问题分析
二 代码实现
package Dp_0_1_bag;
import java.io.BufferedWriter;
import java.io.FileWriter;
import java.io.IOException;
public class bin
{
public static void main(String[] args) throws IOException
{
int c=10;
int []w= {0,2,2,6,5,4};
int []v= {0,6,3,5,4,6};
dp_0_1_Bag myDp_0_1_Bag=new dp_0_1_Bag(w, v, c);
}
}
class dp_0_1_Bag
{
int m[][]; //动态规划 最优解值记录
int w[]; //重量
int c; //背包容量
int v[]; //价值
int x[]; //最优解
public dp_0_1_Bag(int w[],int v[],int c) throws IOException
{
this.m=new int [w.length][c+1];
this.x=new int [w.length];
this.v=v;
this.w=w;
this.c=c;
Dp_0_1_Bag();
traceback();
display();
}
public void Dp_0_1_Bag()
{
for(int i=0; i<w.length; i++)
{
m[i][0]=0; //背包容量为0
}
for(int j=0; j<=c; j++)
{
m[0][j]=0; //没有物品可以装
}
for(int i=1; i<w.length; i++)
{
for(int j=1; j<w[i]; j++) //装不进去
{
m[i][j]=m[i-1][j];
}
for(int j=w[i]; j<=c; j++) //可以装进去
{
m[i][j]=Math.max(m[i-1][j], (m[i-1][j-w[i]]+v[i]));
}
}
}
public void traceback()
{
for(int i=w.length-1; i>=1; i--)
{
if(m[i][c]==m[i-1][c])
{
x[i]=0;
}
else
{
x[i]=1;
c-=w[i];
}
}
}
public void display() throws IOException
{
BufferedWriter fout=new BufferedWriter(new FileWriter("out.txt"));
fout.write("m[i][j]");
fout.newLine();
for(int i=0; i<w.length; i++)
{
for(int j=0; j<=c; j++)
{
fout.write(""+m[i][j]+"\t");
}
fout.newLine();
}
fout.flush();
fout.write("x[i]");
fout.newLine();
for(int i=1; i<x.length; i++)
{
fout.write(""+x[i]);
fout.newLine();
}
fout.flush();
}
}
三 运行结果
四 收获
将背包重量离散化
自我认为dp算法也是一种高明的枚举迭代策略
dp算法的关键在于分析子结构,得出递归方程
五 不足
这个算法如果在背包容量很大的情况下,算法复杂度将会倍增标签:throws inf margin htm pac color data- 结果 span
原文地址:https://www.cnblogs.com/Howbin/p/9912107.html