linux网络架构，Java编程：动态规划

动态规划算法介绍

===================================================================

1. 动态规划(Dynamic Programming)算法的核心思想是：将大问题划分为小问题进行解决，从而一步步获取最优解的处理算法

2. 动态规划算法与分治算法类似，其基本思想也是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。

3. 与分治法不同的是，适合于用动态规划求解的问题，经分解得到子问题往往不是互相独立的。 ( 即下一个子阶段的求解是建立在上一个子阶段的解的基础上，进行进一步的求解 )

4. 动态规划可以通过填表的方式来逐步推进，得到最优解.

思路分析和图解

==================================================================

1. 背包问题主要是指一个给定容量的背包、若干具有一定价值和重量的物品，如何选择物品放入背包使物品的价值最大。其中又分01背包和完全背包(完全背包指的是：每种物品都有无限件可用)

2. 这里的问题属于01背包，即每个物品最多放一个。而无限背包可以转化为01背包。

3. 算法的主要思想，利用动态规划来解决。每次遍历到的第i个物品，根据w[i]和v[i]来确定是否需要将该物品放入背包中。即对于给定的n个物品，设v[i]、w[i]分别为第i个物品的价值和重量，C为背包的容量。再令v[i][j]表示在前i个物品中能够装入容量为j的背包中的最大价值。则我们有下面的结果：

(1) v[i][0]=v[0][j]=0; //表示 填入表 第一行和第一列是0

(2) 当w[i]> j 时：v[i][j]=v[i-1][j] // 当准备加入新增的商品的容量大于 当前背包的容量时，就直接使用上一个单元格的装入策略

(3) 当j>=w[i]时： v[i][j]=max{v[i-1][j], v[i]+v[i-1][j-w[i]]}

// 当 准备加入的新增的商品的容量小于等于当前背包的容量,

// 装入的方式:

**v[i-1][j]： 就是上一个单元格的装入的最大值

v[i] : 表示当前商品的价值

v[i-1][j-w[i]] ： 装入i-1商品，到剩余空间j-w[i]的最大值

当j>=w[i]时： v[i][j]=max{v[i-1][j], v[i]+v[i-1][j-w[i]]} 😗*

代码

=============================================================

package dynamic;

public class KnapsackProblem {

public static void main(String[] args) {

int[] w = {1, 4, 3}; // 物品的重量

int[] val = {1500, 3000, 2000}; // 物品的价值;这里的val[i] 就是v[i]

int m = 4; // 背包的容量

int n = val.length; // 物品的个数

// 创建二维数组

// v[i][j] 表示前i个物品中能够装入容量为j的背包中的最大价值

int[][] v = new int[n + 1][m + 1];

// 为了记录放入商品的情况，定义一个二维数组

int[][] path = new int[n + 1][m + 1];

// 1. 初始化第一行第一列，这里在本程序中可以不处理（默认就是0）

for (int i = 0; i < v.length; i++) {

v[i][0] = 0; // 将第一列设置为0

}

for (int i = 0; i < v[0].length; i++) {

v[0][i] = 0; // 将第一行设置为0

}

// 根据得到的公式来动态规划处理

for (int i = 1; i < v.length; i++) { // 不处理第一行 i是从1开始的

for (int j = 1; j < v[0].length; j++) { // 不处理第一列 j是从1开始的

// 公式

if (w[i - 1] > j) { // 因为程序i从1开始，因此原来公式中w[i] 修改为w [i-1]

v[i][j] = v[i - 1][j];

} else { // 因为i从1开始，因此公式需要调整为以下代码

//v[i][j] = Math.max(v[i - 1][j], (val[i - 1] + v[i - 1][j - w[i - 1]]));

// 为了记录商品存放到背包的情况，不能简单地使用max公式，需要使用if-else-来体现公式

if (v[i - 1][j] < (val[i - 1] + v[i - 1][j - w[i - 1]])) {

v[i][j] = val[i - 1] + v[i - 1][j - w[i - 1]];

// 记录最优情况

path[i][j] = 1;

} else {

v[i][j] = v[i - 1][j];

}

}

}

}

// 输出一下v看一下目前的情况

printArrTwo(v);

// 输出最后放入的哪些商品

// 遍历path，会输出所有的放入情况，其实我们只需要最后一个

/*for (int i = 0; i < path.length; i++) {

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Java工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Java开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Java开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且会持续更新！

如果你觉得这些内容对你有帮助，可以扫码获取！！（备注Java获取）

知其然不知其所以然，大厂常问面试技术如何复习？

1、热门面试题及答案大全

面试前做足功夫，让你面试成功率提升一截，这里一份热门350道一线互联网常问面试题及答案助你拿offer

2、多线程、高并发、缓存入门到实战项目pdf书籍

3、文中提到面试题答案整理

4、Java核心知识面试宝典

覆盖了JVM 、JAVA集合、JAVA多线程并发、JAVA基础、Spring原理、微服务、Netty与RPC、网络、日志、Zookeeper、Kafka、RabbitMQ、Hbase、MongoDB 、Cassandra、设计模式、负载均衡、数据库、一致性算法 、JAVA算法、数据结构、算法、分布式缓存、Hadoop、Spark、Storm的大量技术点且讲解的非常深入

《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！

[外链图片转存中…(img-3jrjgtei-1713470143953)]

[外链图片转存中…(img-upgHUEDZ-1713470143954)]
《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！