feat(Go-Tool)：添加求背包问题最优解三种方式(KnapsackOptimizationUtil.go)及其单测类，添加求背包问题最优解过程路径(KnapsackSearchAnswerUtil.go)及其单测类.添加背包问题的readme相关说明

2020-08-06 11:37:49 +08:00
parent 223baa60ba
commit c1f291ee79
11 changed files with 388 additions and 0 deletions
@@ -0,0 +1,111 @@
+/*
+ *  @Author : huangzj
+ *  @Time : 2020/8/5 11:50
+ *  @Description：
+ */
+
+package KnapsackOptimization
+
+import "fmt"
+
+type KnapsackSearchAnswer struct {
+	BagCapacity int        //背包的总容量上限
+	BagItemList []*BagItem //背包道具列表
+	ItemNum     int        //道具的数量
+
+	bestPath        []int //最佳路径(怎么存放价值最高)
+	currentBestPath []int //最佳路径(当前解)
+	bestValue       []int //每个容量最大价值
+	currentValue    int   //当前价值
+	currentWeight   int   //当前重量
+	lastBestValue   int   //目前装载的最优价值
+	surplusValue    int   //剩余道具价值
+}
+
+func NewKnapsackSearchAnswer(bagItemList []*BagItem, bagCapacity int) *KnapsackSearchAnswer {
+	if bagCapacity <= 0 {
+		panic("背包总容量不能小于等于0")
+	}
+	answer := &KnapsackSearchAnswer{
+		BagCapacity:     bagCapacity,
+		BagItemList:     bagItemList,
+		ItemNum:         len(bagItemList),
+		bestPath:        make([]int, len(bagItemList)+1),
+		currentBestPath: make([]int, len(bagItemList)+1),
+		bestValue:       make([]int, len(bagItemList)+1),
+	}
+	//初始化剩余道具价值等于所有道具总价值
+	for _, r := range bagItemList {
+		answer.surplusValue = answer.surplusValue + r.Value
+	}
+
+	return answer
+}
+
+//回溯法计算最佳路径和最大达到价值
+func (cmd *KnapsackSearchAnswer) DynamicPlanForBestValue() {
+	cmd.initParam()  //初始化第一个数组为空道具
+	cmd.BackTrack(1) //从第一个道具开始进行路径搜索
+}
+
+func (cmd *KnapsackSearchAnswer) BackTrack(step int) {
+	//遍历到最后一个道具
+	if step > cmd.ItemNum {
+		//如果当前总价值大于上一次装载的最佳价值
+		if cmd.currentValue > cmd.lastBestValue {
+			//最终的最佳路径用当前最佳路径来替换
+			for i := 1; i <= cmd.ItemNum; i++ {
+				cmd.bestPath[i] = cmd.currentBestPath[i]
+			}
+
+			cmd.lastBestValue = cmd.currentValue
+			return
+		}
+	}
+
+	//装入该道具之后，剩余的价值要减去当前道具的价值
+	cmd.surplusValue = cmd.surplusValue - cmd.BagItemList[step].Value
+	//当前道具的总重量没有超重
+	if cmd.currentWeight+cmd.BagItemList[step].Weight <= cmd.BagCapacity {
+
+		cmd.currentBestPath[step] = 1                                        //当前道具选中了，设置为1
+		cmd.currentValue = cmd.currentValue + cmd.BagItemList[step].Value    //计算当前价值
+		cmd.currentWeight = cmd.currentWeight + cmd.BagItemList[step].Weight //计算当前价值
+
+		cmd.BackTrack(step + 1) //继续遍历下一个道具
+
+		cmd.currentValue = cmd.currentValue - cmd.BagItemList[step].Value    //遍历完成要恢复成原来的价值
+		cmd.currentWeight = cmd.currentWeight - cmd.BagItemList[step].Weight //遍历完成要恢复成原来的重量
+	}
+
+	//这边是剪枝的操作，如果剩余价值加上当前价值会超过上一次的最佳价值，那么就要往右子树遍历，否则不操作.
+	if cmd.surplusValue+cmd.currentValue > cmd.lastBestValue {
+		cmd.currentBestPath[step] = 0 //当前路径置为0，不选择该位置
+		cmd.BackTrack(step + 1)
+
+	}
+
+	cmd.surplusValue = cmd.surplusValue + cmd.BagItemList[step].Value
+}
+
+//输出最佳路径解
+func (cmd *KnapsackSearchAnswer) PrintBestSearchPath() {
+
+	for index, r := range cmd.bestPath {
+		if r == 1 {
+			fmt.Print("   ")
+			fmt.Println(fmt.Sprintf("道具的价值是:%d,道具的重量是%d", cmd.BagItemList[index].Value, cmd.BagItemList[index].Weight))
+		}
+	}
+}
+
+func (cmd *KnapsackSearchAnswer) initParam() {
+	itemList := make([]*BagItem, 0)
+	itemList = append(itemList, &BagItem{})
+	itemList = append(itemList, cmd.BagItemList...)
+	cmd.BagItemList = itemList
+}
+
+func (cmd *KnapsackSearchAnswer) BestValue() int {
+	return cmd.lastBestValue
+}