动态规划之钢条切割

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
    }
}