动态规划(Dynamic Programming, DP)是一种常用的算法设计技巧,主要用于解决具有重叠子问题和最优子结构性质的问题。
博主自我理解:这是以空间换时间的算法,从(0个物品,背包容量为0,)最少的情况来逐步(物品数量++,背包容量++)计算出当前情况下的最优解(也可说是最大价值)。
这里从B站找了一张图(如有侵权,告知就删,可以去B站找此视频,讲的不错)
那配合代码讲解(Java)
问题背景:给定 n
个物品,每个物品有一个重量和一个价值。还有一个最大承重的背包容量 W
。要求在不超过背包容量的情况下,选择物品,使得背包中的总价值最大。
public int knapsack01(int[] weights, int[] values, int W) {
int n = weights.length;
int[][] dp = new int[n + 1][W + 1];
for (int i = 1; i <= n; i++) {
for (int j = 0; j <= W; j++) {
if (weights[i - 1] <= j) {
dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - weights[i - 1]] + values[i - 1]);
} else {
dp[i][j] = dp[i - 1][j];
}
}
}
return dp[n][W]; // 返回最大价值
}
weights[]
: 每个物品的重量values[]
: 每个物品的价值W
: 背包的最大容量-
使用二维数组
dp[i][j]
表示前i
个物品放入容量为j
的背包中能得到的最大价值。
这里对应着图片应该先初始化
dp[0][j] = 0
(当没有物品时,最大价值为0)dp[i][0] = 0
(当背包容量为0时,最大价值也为0)
但因为使用语言是Java,当使用new 时就自动全体赋值为零了,就省去了。
这里首先说个前提:weight[],values[]是从0开始对每个物品计数的,而dp[][]二维数组可以理解为是从1开始计数的(后面有一个点要说)。
对于双层for循环中if-else语句中的语句可以成为状态转移方程,
if (weights[i - 1] <= j) {
dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - weights[i - 1]] + values[i - 1]);
} else {
dp[i][j] = dp[i - 1][j];
}
我认为就这块核心,但难懂。
首先就是判断条件,当前物品的中重量与背包的当前重量相比,能不能装进去,如果不能,就把本列上一行的最大价值copy下来,如果能,
分情况: 1,没有当前行的物品,
2,选择当前第i个物品后,加上剩余容量能存放物品的最大价值。
从两者中用max函数取最大值,
Math.max(dp[i - 1][j], dp[i - 1][j - weights[i - 1]] + values[i - 1]);
//这里dp[i - 1][j]就是本列上一行的最大价值,
//对dp[i - 1][j - weights[i - 1]] + values[i - 1],细说如下:
//dp[i - 1][j - weights[i - 1]] :是选择第i个物品之后,剩余容量所有的最大价值。
//+ values[i - 1] :是加上当前物品的价值,
//可能会疑惑为什么是i-1个,这里就要说我刚才提的前提:
// weight,values是从0开始计数的,而dp可以说是从1开始计数的,
到这里,自己动手写写,另外,不懂得话再看3-5遍。
当然,你有好的见解,批评,也可以发到评论区说明,