hello-algo/codes/kotlin/chapter_dynamic_programming/knapsack.kt

/**
 * File: knapsack.kt
 * Created Time: 2024-01-25
 * Author: curtishd (1023632660@qq.com)
 */

package chapter_dynamic_programming

import java.util.*
import kotlin.math.max

/* 0-1 背包：暴力搜索 */
fun knapsackDFS(
    wgt: IntArray,
    value: IntArray,
    i: Int,
    c: Int
): Int {
    // 若已选完所有物品或背包无剩余容量，则返回价值 0
    if (i == 0 || c == 0) {
        return 0
    }
    // 若超过背包容量，则只能选择不放入背包
    if (wgt[i - 1] > c) {
        return knapsackDFS(wgt, value, i - 1, c)
    }
    // 计算不放入和放入物品 i 的最大价值
    val no = knapsackDFS(wgt, value, i - 1, c)
    val yes = knapsackDFS(wgt, value, i - 1, c - wgt[i - 1]) + value[i - 1]
    // 返回两种方案中价值更大的那一个
    return max(no.toDouble(), yes.toDouble()).toInt()
}

/* 0-1 背包：记忆化搜索 */
fun knapsackDFSMem(
    wgt: IntArray,
    value: IntArray,
    mem: Array<IntArray>,
    i: Int,
    c: Int
): Int {
    // 若已选完所有物品或背包无剩余容量，则返回价值 0
    if (i == 0 || c == 0) {
        return 0
    }
    // 若已有记录，则直接返回
    if (mem[i][c] != -1) {
        return mem[i][c]
    }
    // 若超过背包容量，则只能选择不放入背包
    if (wgt[i - 1] > c) {
        return knapsackDFSMem(wgt, value, mem, i - 1, c)
    }
    // 计算不放入和放入物品 i 的最大价值
    val no = knapsackDFSMem(wgt, value, mem, i - 1, c)
    val yes = knapsackDFSMem(wgt, value, mem, i - 1, c - wgt[i - 1]) + value[i - 1]
    // 记录并返回两种方案中价值更大的那一个
    mem[i][c] = max(no.toDouble(), yes.toDouble()).toInt()
    return mem[i][c]
}

/* 0-1 背包：动态规划 */
fun knapsackDP(
    wgt: IntArray,
    value: IntArray,
    cap: Int
): Int {
    val n = wgt.size
    // 初始化 dp 表
    val dp = Array(n + 1) { IntArray(cap + 1) }
    // 状态转移
    for (i in 1..n) {
        for (c in 1..cap) {
            if (wgt[i - 1] > c) {
                // 若超过背包容量，则不选物品 i
                dp[i][c] = dp[i - 1][c]
            } else {
                // 不选和选物品 i 这两种方案的较大值
                dp[i][c] = max(dp[i - 1][c].toDouble(), (dp[i - 1][c - wgt[i - 1]] + value[i - 1]).toDouble())
                    .toInt()
            }
        }
    }
    return dp[n][cap]
}

/* 0-1 背包：空间优化后的动态规划 */
fun knapsackDPComp(
    wgt: IntArray,
    value: IntArray,
    cap: Int
): Int {
    val n = wgt.size
    // 初始化 dp 表
    val dp = IntArray(cap + 1)
    // 状态转移
    for (i in 1..n) {
        // 倒序遍历
        for (c in cap downTo 1) {
            if (wgt[i - 1] <= c) {
                // 不选和选物品 i 这两种方案的较大值
                dp[c] =
                    max(dp[c].toDouble(), (dp[c - wgt[i - 1]] + value[i - 1]).toDouble()).toInt()
            }
        }
    }
    return dp[cap]
}

/* Driver Code */
fun main() {
    val wgt = intArrayOf(10, 20, 30, 40, 50)
    val value = intArrayOf(50, 120, 150, 210, 240)
    val cap = 50
    val n = wgt.size

    // 暴力搜索
    var res = knapsackDFS(wgt, value, n, cap)
    println("不超过背包容量的最大物品价值为 $res")

    // 记忆化搜索
    val mem = Array(n + 1) { IntArray(cap + 1) }
    for (row in mem) {
        Arrays.fill(row, -1)
    }
    res = knapsackDFSMem(wgt, value, mem, n, cap)
    println("不超过背包容量的最大物品价值为 $res")

    // 动态规划
    res = knapsackDP(wgt, value, cap)
    println("不超过背包容量的最大物品价值为 $res")

    // 空间优化后的动态规划
    res = knapsackDPComp(wgt, value, cap)
    println("不超过背包容量的最大物品价值为 $res")
}