动态规划
动态规划算法通常用于求解具有某种最优解的问题
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
与分治法不同的是,动态规划分解得到的子问题往往不是互相独立的,即上一个子问题解可能为下一个子问题的条件(通常可以将结果填入表格)
背包问题
有一个背包容量为4kg,现在有以下物品
物体 | 重量 | 价格 |
---|---|---|
吉他 | 1 | 1500 |
音响 | 4 | 3000 |
电脑 | 3 | 2000 |
现要求装入背包的物体价值最大,且不能超重
其中:
- 01背包问题:物品有限,每种物品仅有一件,只能选择放、不放
- 有界背包问题:限定物品最多只能选择一定个数
- 无界背包问题(完全背包问题):物品无限
有界、无界背包问题都可以转换成01背包问题
对于背包问题,不同阶段(背包1kg,3kg,4kg / 只能选吉他,可选吉他音响…),存在多种解,而动态规划可以得到最优解
通过表格最能表现动态规划:行表示物品数,列表示背包容量,表格中值为最大价值
-> 当只有吉他时,不管背包容量多少最大价值都为1500;物品为吉他+音响,当背包容量为4kg时最大价值为3000
0kg | 1kg | 2kg | 3kg | 4kg | |
---|---|---|---|---|---|
0 | 0 | 0 | 0 | 0 | |
吉他 | 0 | 1500 | 1500 | 1500 | 1500 |
吉他+音响 | 0 | 1500 | 1500 | 1500 | 3000 |
吉他+音响+电脑 | 0 | 1500 | 1500 | 2000 | 3500 |
解决思路
-
把物品的重量定义数组w[],、价值为val[],且物品的序号对应
-
定义上面的表格v[][]
-
对应表格,有3条规则
- 第一行v[0][j]和第一列v[i][0]=0,数组默认为0不处理
- 当前新增物品重量大于背包容量
w[i-1] > j
,选择为未新增物品时的最大价值,v[i][j] = v[i-1][j]
- 当前新增物品重量不大于背包容量
w[i-1] <= j
,选择 {上一行最大价值,当前行物品+剩余重量能放的物品最大价值} 的最大值
v[i][j] = Math.max( v[i-1][j] , val[i-1] + v[i-1][j-w[i-1]] );
-
如果要打印放了什么物品,就需要详细设计3.3
设置二维数组produce[][]对应v[][],记录放入商品情况,只有3.3中出现当前行物品+剩余重量能放的物品
为最大价值时标记为1,然后从v[3][4]往前打印
Java实现01背包问题
package com.company.十种算法.dynamic;
import java.util.Arrays;
/**
* Author : zfk
* Data : 10:40
* 动态规划解决背包问题(01背包问题)
*/
public class KnapsackProgram {
public static void main(String[] args) {
//物品的重量
int[] w ={1,4,3};
//物品的价值
int[] val = {1500,3000,2000};
//背包的容量
int m = 4;
//物品的个数
int n = val.length;
//v[i][j]表示 前i个物体中能装入容量为j的背包的最大价值
//v[0][j]和v[i][0]都等于0,所以需要+1
int[][] v = new int[n+1][m+1];
int[] newV = new int[m+1];
//记录放入商品情况
int[][] produce = new int[n+1][m+1];
package01(val,w,V,produce);
}
public static void package01(int[] val,int[] w,int[][] v,int[][] produce){
//第一行,第一列v[0][j]和v[i][0]=0,默认为0不处理
//动态规划处理(第一行,第一列不处理)
for (int i = 1;i < v.length;i++){
for (int j = 1;j < v[i].length;j++){
//当前行:物品重量大于背包重量 -> 选择上一行最大价值
if (w[i-1] > j){
v[i][j] = v[i-1][j];
}
//物品重量小于背包重量 -> 选择 {上一行最大价值,当前行物品+剩余重量能放的物品最大价值} 的最大值
else{
//v[i][j] = Math.max( v[i-1][j] , val[i-1] + v[i-1][j-w[i-1]] );
//记录物品存放的情况
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]];
//存放多个商品,需要记录
produce[i][j] = 1;
}else {
v[i][j] = v[i-1][j];
}
}
}
}
for (int i = 0;i < v.length;i++){
for (int j = 0;j < v[i].length;j++){
System.out.print(v[i][j]+" ");
}
System.out.println();
}
System.out.println("==============");
//输出放入的商品(最后放入的情况)
int i = produce.length -1;
int j = produce[0].length -1;
while (i > 0 && j > 0){
if (produce[i][j] == 1){
System.out.println("第"+i+"个商品放入");
System.out.println("i = "+i+", j = "+ j);
j -= w[i-1];
}
i--;
}
}
}
结果:
简化:一维数组代替二维数组
前面的01背包问题使用二维数组v[][]来画表格存储结果,实际上有很多空间都浪费的
可以使用一维数组简化,降低空间复杂度
public static void package01New(int[] val,int[] w,int[] v){
for (int i = 0;i < w.length;i++){
for (int j = v.length -1;j >= 1 ;j--){
if (w[i] <= j){
v[j] =v[j] > v[j - w[i] ] + val[i] ? v[j] : v[j - w[i] ] + val[i];
}
}
}
Arrays.stream(v).forEach(System.out::print);
System.out.println("最大价值:"+v[v.length -1]);
}
使用v[j] =v[j] > v[j - w[i] ] + val[i] ? v[j] : v[j - w[i] ] + val[i];
代替v[i][j] = Math.max( v[i-1][j] , val[i-1] + v[i-1][j-w[i-1]] );
即一维数组,经过n次循环,也能达到二维数组的效果
第一次循环:
0kg | 1kg | 2kg | 3kg | 4kg |
---|---|---|---|---|
0 | 1500 | 1500 | 1500 | 1500 |
第二次循环:
v[4] = v[j - w[i] ] + val[i] = v[0] + val[1] = 0 + 3000 = 3000
0kg | 1kg | 2kg | 3kg | 4kg |
---|---|---|---|---|
0 | 1500 | 1500 | 1500 | 3000 |
第三次循环:
v[4] = v[j - w[i] ] + val[i] = v[1] + val[2] = 1500 + 2000 = 3500
0kg | 1kg | 2kg | 3kg | 4kg |
---|---|---|---|---|
0 | 1500 | 1500 | 2000 | 3500 |
这里有一个要注意点:第二层循环要倒着
如果正着,正着循环无法计算,第一次循环都是 v[j - w[i] ] + val[i]
完全背包问题
实际上上面的第二层循环正着就是完全背包问题的最优解了:
每一趟v[j] =v[j] > v[j - w[i] ] + val[i] ? v[j] : v[j - w[i] ] + val[i]
v[j]
表示如果没有加入新商品,能放入的最大价值,即二维数组v[][]的上一层
v[j - w[i] ] + val[i]
表示新商品的价值加上剩余空间的最大价值
这里就没有考虑商品的数量,就是完全背包问题
小小的优化一下,每次内循环从w[i]开始
public static void packageComplete(int[] val,int[] w,int[] v){
for (int i = 0;i < w.length;i++){
for (int j = w[i];j < v.length ;j++){
if (w[i] <= j){
v[j] =v[j] > v[j - w[i] ] + val[i] ? v[j] : v[j - w[i] ] + val[i];
}
}
}
Arrays.stream(v).forEach(System.out::println);
System.out.println("最大价值:"+v[v.length -1]);
}
我们修改一下物品价值:
结果: