写点什么

javaScript 实现动态规划 (Dynamic Programming)01 背包问题

作者:不叫猫先生
  • 2023-06-09
    北京
  • 本文字数:1971 字

    阅读完需:约 6 分钟

javaScript实现动态规划(Dynamic Programming)01背包问题

前言

动态规划(Dynamic Programming,DP)是运筹学的一个分支,是求解决策过程最优化的过程。

问题描述

01 背包问题是一个经典的算法问题,简单来说就是一个包要装许多水果,水果有体积和大小两个属性,怎么把包装满价值最大(最值钱)。专业描述问题:有 N 件物品和一个容量为 v 的背包,第 i 件物品的体积是 c[i],价值是 w[i],求将那些物品怎么装进背包使价值总和最大。注意:物品只能取一次或者不取,不能多次获取


原理

f(i,c) = math.Max( f(i-1,c),(f(i-1,c-w[i]) + v[i])) //取最大值
复制代码


枚举第 i 个物品,选还是不选


  • 选:容量减少了 w[i]

  • 不选:剩余容量不变


然后需要考虑在剩余容量为 c 的情况下,从前 i 个物品中能得到的最大价值和。


  • 不选:在剩余容量为 c 时,从前 i-1 个物品中获得最大价值和

  • 选:在剩余容量为 c-w[i]的时候,从前 i-1 个物品中获取最大价值和最终取两者的最大值

案例

背包的最大容量为 6,其他物品信息如下:



根据背包容量从 0-6 以及物品,初始化表格。



表格中的单元格代表的是什么意思呢?以图中为例:第 2 行第 4 列的单元格表示背包容量最大为 3 的情况下,对前 2 类物品进行选择,使得背包的价值为最大值。第 i 行第 j 列的单元格 表示背包容量最大为 j 的情况下,对前 i 类物品进行选择,能使得背包的价值为最大值。每个单元格都是当前条件下的最优解,表格的右下角的单元格就是最优解



第 0 行在任何容量体积下,没有任何物品,所以都为 0,即前 0 个物品装进背包的价值都为 0 。对于第 0 列来说,因为背包容量为 0,所以任何物品都不能装进背包,所以价值都为 0,即第 0 列数据都为 0。虽然是第 0 行第 0 列,但是都是在各自限制条件下的最优解。


  • 分析第一行第一列的单元格在背包容量最大为 1 的条件下,对前一种物品取舍选择后获得的最大价值。在考虑单元格的时候需要进行判断:新纳入考量的物品是否超过背包的总容量。第一行第一列这里新纳入的物品为葡萄,葡萄的体积(2)大于背包体积(1),所以放不进去。我们已经计算出不考虑葡萄时候,最大价值为 0 ,此时我们的最优解继承自其上方单元格也就是(0,1)的值

  • 分析第一行第二列的单元格在背包容量最大为 2 的条件下,对前一种物品取舍选择后获得的最大价值。此时物体体积等于背包体积,此时不能继承上方单元格的值,也就是不能继承(0,2)的数据。此时需要比较两种数据的大小:

  • 不考虑新纳入物品(也就是说不考虑此时葡萄获得的最优解),这个最优解为上方单元格的最优解(第 0 个物品在背包体积为 2 的情况的最优解:0)

  • 背包容量为 2 的情况下,对前一种物品取舍选择后获得的最大价值,此时刚好可以放进背包,那么问题就变成了背包容量为 0 的情况下对前一种物品取舍选择后获得的最大价值 + 当前物品的价值(此时为葡萄🍇)。变成了背包容量为 0 的情况是通过当前背包容量(2) - 此时物品容量(2) = 0。

  • 然后比较两者大小,取最大值

  • 分析其他单元格与上面类似,最终得到右下方单元格的值(最优解)最终计算完得到以下结果


  <script>    let weight = [2, 3, 4];//物体体积    let value = [3, 5, 6];//物体价值    let bagWeight = 6;//背包最大容纳量    function bagProblem(weight, value, bagWeight) {        // 初始化dp,生成二维数组,长度为物体种类总长度,里面的数组长度为(背包最大容纳量+1)      const dp = new Array(weight.length + 1).fill(0).map(() => new Array(bagWeight + 1).fill(0));      //此时dp为      //[[0, 0, 0, 0, 0,0, 0],       //[0, 0, 0, 0, 0,0, 0],       //[0, 0, 0, 0, 0,0, 0],       //[0, 0, 0, 0, 0,0, 0],       //[0, 0, 0, 0, 0,0, 0]]                  // 设置第一个物品在背包体积为(0-6)中的最优解      for (let j = weight[0]; j <= bagWeight; j++) { //i<= 4        dp[0][j] = value[0]      }      //此时dp为      //[[0, 0, 3, 3, 3,3,3],       //[0, 0, 0, 0, 0,0, 0],       //[0, 0, 0, 0, 0,0, 0],       //[0, 0, 0, 0, 0,0, 0],       //[0, 0, 0, 0, 0,0, 0]]      for (let j = 0; j <= bagWeight; j++) { //0<=4  j为包的最大重量        for (let i = 1; i < weight.length; i++) { // 1<=3  i为三个包的索引          if (j < weight[i]) {  // 包的最大重量 < 第i个包的重量,此时最优解为继承上一个单元格            dp[i][j] = dp[i - 1][j]  //dp[i][j]              } else {          // 包的最大重量 < 第i个包的重量          //Math.max(前一条数据最优解,(此时容纳量-当前选择物体的容纳量)的最优解 + 此时物体的价值)            dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i])          }        }      }      return dp[weight.length - 1][bagWeight]    }    bagProblem(weight, value, bagWeight)    console.log(bagProblem(weight, value, bagWeight))  </script>
复制代码


发布于: 刚刚阅读数: 3
用户头像

还未添加个人签名 2022-10-18 加入

前端领域优质创作者、阿里云专家博主,专注于前端各领域技术,共同学习共同进步,一起加油呀!

评论

发布
暂无评论
javaScript实现动态规划(Dynamic Programming)01背包问题_动态规划_不叫猫先生_InfoQ写作社区