动态规划问题

感谢陈小玉老师的讲解,原视频链接https://www.bilibili.com/video/BV1jT4y1o71J/?spm_id_from=pageDriver&vd_source=375b43daeb4ff3d4c343eabe5ef570b9

哪些问题可以使用dp(动态规划)?

• 最优子结构(原问题最优解包含子问题最优解)
• 子问题重叠
• 无后效性
  
  上图中F3 F2 F1都进行性了重复求解就导致了子问题重叠

常见的dp模板

求解动态规划问题步骤

实例填表过程

物品	重量	价格
吉他(G)	1	1500
音箱(S)	4	3000
电脑(L)	5	2000

物品	0磅	1磅	2磅	3磅	4磅
	0	0	0	0	0
吉他(G)	0	1500(G)	1500(G)	1500(G)	1500(G)
音箱(S)	0	1500(G)	1500(G)	1500(G)	3000(S)
电脑(L)	0	1500(G)	1500(G)	2000(L)	2000(L)+1500(G)

• v[i][0]=v[0][i] = 0; 表示填入的表第一行和第一列是0
• 当w[i]>j时;v[i][j]=v[i-1][j]当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
• 当j>=w[i]时:v[i][j]=max{v[i-1][j],v[i-1][j-w[i]]+v[i]} 当准备加入的新增商品的容量小于当前背包容量,装入的方式 v[i-1]j:就是上一个单元格转入的最大值 v[i-1][j-w[i]]:装入i-1个商品到剩余空间 j-w[i] 的最大值

public class KnapsackProblem {
    public static void main(String[] args) {
        int[] w = {1,4,3};//物品重量
        int[] val = {1500,3000,2000};//物品价值
        int m  = 4; //背包的容量
        int n = val.length; //物品个数
        int[][] path = new int[n+1][m+1];//记录商品让如情况 
        //v[i][j]表示在前i个物品中能够装入容量为j的背包的最大价值
        int[][] v = new int[n+1][m+1];
        //初始化第一行,第一列,默认是0
        //设置第一列为 0
        for (int i = 0; i < v.length; i++) {
            v[i][0]=0;
        }
        //设置第一行为 0
        for (int j = 0; j < v[0].length; j++) {
            v[0][j] = 0;
        }
        //根据公式来动态规划处理
        for (int i = 1; i < v.length; i++) { //不处理第一行
            for (int j = 1 ; j < v[0].length; j++) {     //不处理第一列
                //因为i从1开始
                if(w[i-1]>j){
                    v[i][j] = v[i-1][j];
                }else{
                    //因为i从1开始
                    v[i][j] = Math.max(v[i-1][j],val[i-1]+v[i-1][j-w[i-1]]);
                    
                }
            }
        }
        for (int i = 0; i < v.length; i++) {
            for (int j = 0; j < v[0].length; j++) {
                System.out.print(v[i][j]+" ");
            }
            System.out.println();
        }
    }
}