动态规划求解01背包问题

近期事情多，且老师讲动态规划讲得云里雾里。。于是又没有跟上进度，菜鸡终于要来填坑了。

动态规划

动态规划和分治法有些相像，都是把一个问题分成了很多子问题来求解，但是不同的是动态规划会记忆之前解决的子问题的结果，避免了重复计算。判断一个问题是否能用动态规划求解，要看它是否能划分成合适的子问题，然后写出递推关系式。

动态规划得到的解一定是最优解。

01背包问题
（1）问题描述：
现有n件物品，每件都有对应的重量（w）和价值（v），有一个给定容量（C）的背包，怎么样才能在背包里装入具有最大价值总和的东西？
具体例子：

（2）问题分析：
突然想到之前看数模书的时候提到的一种思路——引入0-1变量，化为整数规划问题。
模型建立：已知n件物品的重量为W1~Wn ，价值为V1 ~Vn，用X1 ~Xn来表示是否选了这件物品放入背包，Xi为0或1。
决策目标即为：MAX(V1X1+V2X2+…+VnXn)
约束条件即为：(W1X1+W2X2+…+WnXn) ≦ C
抖机灵用lingo求了下解。。

好了言归正传。。
（3）寻找子问题和建立递推关系式
这里采用自底向上的思路
定义子问题：在前i个物品里面挑选总重量不大于W（W<=C）的物品，记最优值为M(i, W)，则对于第i个物品来说就有两种情况：
①Wi>W，装不下了，则M(i, W)=M(i-1, W)；
②Wi<=W，那么就要选择装不装，则M(i, W)=max{M(i-1, W) , M(i-1, W-Wi)+Vi}
M(i-1, W-Wi)即为第i个物品装入之前的最优值，结果是装了第i个物品。
接下来就是初始化的问题了，还是看源代码吧。
（4）源代码：

public class FindMax {	
	public static void main(String[] args){
		int capacity=11;
		int item_num=5;
		int[][] M = new int[item_num+1][capacity+1];
		int[] w={0,1,2,5,6,7};
		int[] v={0,1,6,18,22,28};
		int i,j;
		for(i=0;i<=capacity;i++){
			M[0][i]=0;
		}
		for(j=0;j<=item_num;j++){
			M[j][0]=0;
		}
		for(i=1;i<=item_num;i++){
			for(j=1;j<=capacity;j++){
				if(w[i]>j){
					M[i][j]=M[i-1][j];
				}
				else{
					M[i][j]=Math.max(M[i-1][j], M[i-1][j-w[i]]+v[i]);
				}
			}
		}
		for(i=0;i<=item_num;i++){
			for(j=0;j<=capacity;j++){
				System.out.print(M[i][j]+ "\t");
			}
			System.out.println("");
		}
	}
}

结果截图如下：

最优解为40，那么怎么知道是哪几件物品被选中了呢？我们要从表的右下角往回看，M(5, 11)=M(4, 11)=40且M(4,11)不等于M[3,11]，说明选了4号物品；减去4号物品的重量40-22=18，M(3, 5)=18且M(3,5)不等于M(2, 5)且M(3,5)=M(4,5)=M(5,5)，说明第三件物品被选择了，减去三号物品的重量40-22-18=0；说明被选中的就是3号和4号。

今天就写到这里吧。