Files
hello-algo/ja/codes/kotlin/chapter_dynamic_programming/knapsack.kt
Yudong Jin 7257641e0e Retranslate the complete Japanese online edition from Chinese (#2008)
* Retranslate the complete Japanese online edition from Chinese

* Fit Japanese homepage labels and localize heading permalinks

* Point Japanese contribution instructions to the Japanese preview

* Replace locale conditionals with multilingual UI tables
2026-10-30 02:12:26 +08:00

125 lines
4.0 KiB
Kotlin

/**
* File: knapsack.kt
* Created Time: 2024-01-25
* Author: curtishd (1023632660@qq.com)
*/
package chapter_dynamic_programming
import kotlin.math.max
/* 0-1 ナップサック問題:全探索 */
fun knapsackDFS(
wgt: IntArray,
_val: IntArray,
i: Int,
c: Int
): Int {
// すべての品物を選び終えたか、ナップサックの残り容量がなければ、価値 0 を返す
if (i == 0 || c == 0) {
return 0
}
// ナップサックの容量を超える場合、入れない選択しかできない
if (wgt[i - 1] > c) {
return knapsackDFS(wgt, _val, i - 1, c)
}
// 品物 i を入れない場合と入れる場合の最大価値を計算する
val no = knapsackDFS(wgt, _val, i - 1, c)
val yes = knapsackDFS(wgt, _val, i - 1, c - wgt[i - 1]) + _val[i - 1]
// 2 通りの選択のうち、価値が大きいほうを返す
return max(no, yes)
}
/* 0-1 ナップサック問題:メモ化探索 */
fun knapsackDFSMem(
wgt: IntArray,
_val: IntArray,
mem: Array<IntArray>,
i: Int,
c: Int
): Int {
// すべての品物を選び終えたか、ナップサックの残り容量がなければ、価値 0 を返す
if (i == 0 || c == 0) {
return 0
}
// 記録済みなら、その値をそのまま返す
if (mem[i][c] != -1) {
return mem[i][c]
}
// ナップサックの容量を超える場合、入れない選択しかできない
if (wgt[i - 1] > c) {
return knapsackDFSMem(wgt, _val, mem, i - 1, c)
}
// 品物 i を入れない場合と入れる場合の最大価値を計算する
val no = knapsackDFSMem(wgt, _val, mem, i - 1, c)
val yes = knapsackDFSMem(wgt, _val, mem, i - 1, c - wgt[i - 1]) + _val[i - 1]
// 2 通りの選択のうち、価値が大きいほうを記録して返す
mem[i][c] = max(no, yes)
return mem[i][c]
}
/* 0-1 ナップサック問題:動的計画法 */
fun knapsackDP(wgt: IntArray, _val: IntArray, cap: Int): Int {
val n = wgt.size
// dp テーブルを初期化する
val dp = Array(n + 1) { IntArray(cap + 1) }
// 状態遷移
for (i in 1..n) {
for (c in 1..cap) {
if (wgt[i - 1] > c) {
// ナップサックの容量を超える場合、品物 i を選ばない
dp[i][c] = dp[i - 1][c]
} else {
// 品物 i を選ばない場合と選ぶ場合の大きいほうの値
dp[i][c] = max(dp[i - 1][c], dp[i - 1][c - wgt[i - 1]] + _val[i - 1])
}
}
}
return dp[n][cap]
}
/* 0-1 ナップサック問題:空間を最適化した動的計画法 */
fun knapsackDPComp(wgt: IntArray, _val: IntArray, cap: Int): Int {
val n = wgt.size
// dp テーブルを初期化する
val dp = IntArray(cap + 1)
// 状態遷移
for (i in 1..n) {
// 逆順に走査する
for (c in cap downTo 1) {
if (wgt[i - 1] <= c) {
// 品物 i を選ばない場合と選ぶ場合の大きいほうの値
dp[c] = max(dp[c], dp[c - wgt[i - 1]] + _val[i - 1])
}
}
}
return dp[cap]
}
/* 実行用コード */
fun main() {
val wgt = intArrayOf(10, 20, 30, 40, 50)
val _val = intArrayOf(50, 120, 150, 210, 240)
val cap = 50
val n = wgt.size
// 全探索
var res = knapsackDFS(wgt, _val, n, cap)
println("ナップサックの容量を超えない品物の最大価値は $res")
// メモ化探索
val mem = Array(n + 1) { IntArray(cap + 1) }
for (row in mem) {
row.fill(-1)
}
res = knapsackDFSMem(wgt, _val, mem, n, cap)
println("ナップサックの容量を超えない品物の最大価値は $res")
// 動的計画法
res = knapsackDP(wgt, _val, cap)
println("ナップサックの容量を超えない品物の最大価値は $res")
// 空間を最適化した動的計画法
res = knapsackDPComp(wgt, _val, cap)
println("ナップサックの容量を超えない品物の最大価値は $res")
}