钢条切割问题描述:
Serling公司购买长钢条,将其切割为短钢条出售。不同的切割⽅案,收益是不同的,怎么切割才能有最⼤的收益呢?假设,切割⼯序本⾝没有成本⽀出。假定出售⼀段长度为i英⼨的钢条的价格为p i (i=1,2,…)。钢条的长度为n英寸。如下给出⼀个价格表P。
给定⼀段长度为n英⼨的钢条和⼀个价格表P,求切割钢条方案,使得销售收益 r n最大。(如果长度为n英⼨的钢条的价格p n ⾜够⼤,则可能完全不需要切割,出售整条钢条是最好的收益)
举例n = 4的情况,如图是4英寸的钢条可能的切割方案:
由上图8种切割方案,根据给定的价格表,可以看出最优策略是方案c(收益为10),具体过程可以用递归求解,但如果用递归进行求解,在n比较大的情况下效率是低的,因为会求解相同的子问题,反复进行递归调用,如图是子问题规模为4的情况:
这棵树显⽰了n=4 的时候的递归调⽤过程,每个结点的标号为对应的⼦问题规模n。这可递归调⽤数总共有2n-1个叶节点。
为了避免重复的递归调用,可以运用动态规划,动态规划的本质就是记忆化递归,相当于每个子问题只求解一次,并将结果进行保存,不必重新计算,⼦问题的求解只依赖于更⼩的⼦问题的解。当需要⼦问题的解的时候,只需要直接使用已经保存过值的子问题,否则按照通常的⽅式计算解(价值),每一次计算完解之后和上一次的最大值进行比较,如果本次计算的价值更大,则更新最大值。
和完全背包问题类似,采用完全背包问题的解题思路:
模拟: 0 1 2 3 4 5 6 7 8 9 10 0 1 5 8 9 10 17 17 20 24 30 0 1 2 3 4 钢条总长度=背包容量 物品重量 1 1 11 111 1111 (1) (2) (3) (4) 2 1 11 111 1111 2 21 211 22 (1) (5) (6) (10) 3 1 11 111 1111 2 21 211 3 22 31 (1) (5) (8) (10) 4 1 11 111 1111 2 21 211 3 22 31 4 (1) (5) (8) (10) 得出状态转移方程为: if dp[i][j]=max(dp[i-1][j],当前物品价值+dp[i][j-物品重量] (放得下) else dp[i][j]=dp[i-1][j] (放不下)
代码实现:
public class CutRodProblem {
static int cut(int[] values, int n) {
int[][] dp = new int[values.length][n + 1];
for (int i = 1; i < values.length; i++) {
for (int j = 1; j < n + 1; j++) {
if (j >= i) { // 放得下
dp[i][j] = Integer.max(dp[i - 1][j], values[i] + dp[i][j - i]);
} else { // 放不下
dp[i][j] = dp[i - 1][j];
}
}
print(dp);
}
return dp[values.length - 1][n];
}
public static void main(String[] args) {
// 不同长度钢条的价值数组,数组的索引对应钢条的长度(物品重量)
System.out.println(cut(new int[]{0, 1, 5, 8, 9,}, 4)); // 10, 17, 17, 20, 24, 30
}
}