动态规划 & 枚举算法

最新推荐文章于 2024-08-13 16:54:01 发布

奶茶37.2℃

最新推荐文章于 2024-08-13 16:54:01 发布

阅读量1.1k

点赞数

分类专栏：数据结构与算法文章标签：动态规划与枚举算法

本文链接：https://blog.csdn.net/Zllvincent/article/details/106779771

版权

本文介绍了动态规划算法，强调了其与分治法的区别，即子问题的解可以重用，通过保存子问题答案避免重复计算。动态规划适用于多阶段决策问题，但随着变量增加，计算量和存储需求会增加。接着，文章提及枚举算法，指出其核心是尝试所有可能的解决方案，适合处理多维数据，但需要注意大数据量可能导致的栈溢出问题。

摘要由CSDN通过智能技术生成

一.简介

1.动态规划算法与分治法类似，其思想也是将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。

与分治法不同的是，经分解得到子问题往往不是互相独立的。若用分治法来解这类问题，则分解得到的子问题数目太多，有些子问题被重复计算了很多次。如果我们能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，这样就可以避免大量的重复计算，节省时间。我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到，只要它被计算过，就将其结果填入表中。这就是动态规划法的基本思路。

2.枚举算法的核心思想就是枚举所有的可能

二.实现

1.0-1背包问题


package com.vincent;


import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;


public class Main {
   
    public static void main(String[] args) throws Exception {
   

        //data[i][0] 表示物品重量，data[i][1] 表示商品价值
        int[][] data = {
   {
   1,1500},{
   4,3000},{
   3,2000},{
   2,4000}};

        wayOfDP(data,4);

        System.out.println("--------------穷举法");

        //如果对data 数据按重量从小到大排列将可以进一步优化程序，减少循环次数，该方法不需要对商品数据排序
        wayOfEnum(data,new int[2],new int[]{
   0,4},0,new ArrayList<>());
    }


    /**
     * 0-1背包问题动态规划算法求解:
     * 定义子问题p(i,j),表示前i个商品中总重量不超过j的最大价值,w[i]表示第i个商品重量,v[i]表示第i个商品价值
     * 对于第i个商品有2中选择可能
     * 不选择的话背包容量不变，最优解将是