我正在尝试解决一个容量为 30.000.000 的经典背包问题,它在 20.000.000 之前运行良好,但随后内存不足:
Exception in thread "main" java.lang.OutOfMemoryError: Java heap space
我尝试将所有值和容量除以 1.000.000,但这会生成 float ,我认为这不是正确的方法。我还尝试使数组和矩阵的类型变长,但这没有帮助。 也许是另一种数据结构? 欢迎任何指点...
代码:
public class Knapsack {
public static void main(String[] args) {
int N = Integer.parseInt(args[0]); // number of items
int W = Integer.parseInt(args[1]); // maximum weight of knapsack
int[] profit = new int[N+1];
int[] weight = new int[N+1];
// generate random instance, items 1..N
for (int n = 1; n <= N; n++) {
profit[n] = (int) (Math.random() * 1000000);
weight[n] = (int) (Math.random() * W);
}
// opt[n][w] = max profit of packing items 1..n with weight limit w
// sol[n][w] = does opt solution to pack items 1..n with weight limit w include item n?
int[][] opt = new int[N+1][W+1];
boolean[][] sol = new boolean[N+1][W+1];
for (int n = 1; n <= N; n++) {
for (int w = 1; w <= W; w++) {
// don't take item n
int option1 = opt[n-1][w];
// take item n
int option2 = Integer.MIN_VALUE;
if (weight[n] <= w) option2 = profit[n] + opt[n-1][w-weight[n]];
// select better of two options
opt[n][w] = Math.max(option1, option2);
sol[n][w] = (option2 > option1);
}
}
// determine which items to take
boolean[] take = new boolean[N+1];
for (int n = N, w = W; n > 0; n--) {
if (sol[n][w]) { take[n] = true; w = w - weight[n]; }
else { take[n] = false; }
}
// print results
System.out.println("item" + "\t" + "profit" + "\t" + "weight" + "\t" + "take");
for (int n = 1; n <= N; n++) {
System.out.println(n + "\t" + profit[n] + "\t" + weight[n] + "\t" + take[n]);
}
//Copyright © 2000–2011, Robert Sedgewick and Kevin Wayne. Last updated: Wed Feb 9 //09:20:16 EST 2011.
}
最佳答案
这里有一些我在类似的事情上使用过的技巧。
首先,稀疏矩阵的变体。它并不是真正稀疏,而是假设“非存储条目”为零,而是假设它们与之前的条目相同。这可以在任一方向上起作用(在容量方向上或在元素方向上),据我所知,不能(容易)同时在两个方向上起作用。好技巧,但无法击败双向巨大的实例。
其次,动态规划与分支定界法的结合。首先,仅对“最后两行”使用 DP。这为您提供了最佳解决方案的值(value)。然后使用分支限界来查找与最优解决方案相对应的项目子集。按值/重量
排序,应用松弛value[next_item] * (capacity_left/Weight[next_item])
进行绑定(bind)。提前知道最优值使得剪枝非常有效。
“最后两行”指的是“前一行”(表格的一部分,其中包含直到 i
为止的所有项目的解决方案)和“当前行”(您的行)现在正在填充)。它可能看起来像这样,例如:(这是 C# 顺便说一句,但应该很容易移植)
int[] row0 = new int[capacity + 1], row1 = new int[capacity + 1];
for (int i = 0; i < weights.Length; i++)
{
for (int j = 0; j < row1.Length; j++)
{
int value_without_this_item = row1[j];
if (j >= weights[i])
row0[j] = Math.Max(value_without_this_item,
row1[j - weights[i]] + values[i]);
else
row0[j] = value_without_this_item;
}
// swap rows
int[] t = row1;
row1 = row0;
row0 = t;
}
int optimal_value = row1[capacity];
关于java - 大输入动态规划,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20407221/