1.动态规划法的设计思想:动态规划法将待求解问题分解成若干个相互重叠的子问题,每个子问题对应决策过程的一个阶段,子问题的重叠关系一般表现在对给定问题求解的递推关系,将子问题的的解求解一次并且填入表中,当需要再次求解子问题的时候,可以通过查表获得这个子问题的解而不是再次求解,从而避免大量重复计算,为了达到这个目的,可以通过一个表来记录所有以解决的子问题的解。
2.动态规划法求解的问题的特征:该问题的最优解中包含着子问题的最优解(符合最优性原理),能够分解为相互重叠的若干个子问题、
3.动态规划法的步骤:
(1)分段:将原问题分成若干个相互重叠的子问题
(2)分析:分分析问题是否满足最优性原理,找出动态规划函数的递推式
(3)求解:利用递推式自底向上计算,实现动态规划的过程
根据这个套路 我们来看0-1背包问题,0-1背包问题的动态规划函数是
V(i,j): 当背包容量为j的时候,他的最大
w[i]:第i个物品的质量
v[i]:第i个物品的价值
动态规划函数为:
下面是程序:
#include <iostream>
using namespace std;
//比较两个数的大小,返回较大的数
int max(int a,int b)
{
if(a >= b)
return a;
else
return b;
}
//01背包动态规划算法
int KnapSack(int C, int n, int w[], int v[])
{
int V[n+1][C+1];
for(int i = 0; i <= n; i++)
{
V[i][0] = 0;
}
for(int j = 0; j <= C; j++)
{
V[0][j] = 0;
}
//计算第i行,进行第i次迭代
for(int i = 1; i <= n; i++)
{
for(int j = 1; j <= C; j++)
{
if(j < w[i])
V[i][j] = V[i-1][j];
else
V[i][j] = max(V[i-1][j], V[i-1][j-w[i]]+v[i]);
}
}
//装入的物品
int x[n];
int j = C;
cout<<"装入的物品:";
for(int i = n ; i >= 0; i--)
{
if(V[i][j] > V[i-1][j])
{
x[i] = 1;
j = j - w[i];
}
else
x[i] = 0;
cout<<x[i]<<'\t';
}
cout<<endl;
return V[n][C];
}
int main()
{
int n;
int C;
cout<<"输入物品的个数:";
cin>>n;
cout<<"输入背包的容量:";
cin>>C;
int v[n];
int w[n];
for(int i = 1 ; i <= 5 ; i++ )
{
cout << "输入第" <<i<<"个物品的质量:";
cin >> w[i];
}
for(int i = 1; i <= 5; i++)
{
cout << "输入第" <<i<<"个物品的价值:";
cin >> v[i];
}
cout << "the max value is :" << KnapSack(C,n,w,v)<<endl;
}