一、动态规划算法介绍
- 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;
- 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;
- 动态规划算法与分治法不同的是,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 )
- 动态规划可以通过填表的方式来逐步推进,得到最优解。
二、动态规划算法最佳实践-背包问题示例需求
有一个背包,容量为4磅 , 现有如下物品:
1)、要求达到的目标为装入的背包的总价值最大,并且重量不超出
2)、要求装入的物品不能重复
三、动态规划算法最佳实践-背包问题思路图解
四、动态规划算法最佳实践-背包问题思路分析
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:
公式如下:
- v[i][0]=v[0][j]=0 //表示填入表的第一行和第一列都是0
- w[i] > j 时:v[i][j]=v[i-1][j]
// 表示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 - w[i] =< j 时: v[i][j]=max{v[i-1][j], v[i]+v[i-1][j-w[i]]}
//表示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:
1)、v[i-1][j]: 就是上一个单元格的装入的最大值。
2)、v[i] : 表示当前商品的价值 。
3)、v[i-1][j-w[i]] : 装入i-1商品,到剩余空间j-w[i]的最大值。
公式验证如下:
- 以步骤三的表为例, 当i=3,j=4时;
- v[i][j] = v[3][4] 表示第3行第4列的数据
- w[i] = w[3] =3 表示加入背包的商品容量
- 3 =< 4 (即 w[i] =< j);
v[3][4] =max{v[2][4],v[3]+v[2][4-w[3]]}
=max{v[2][4],v[3]+v[2][1]}
=max{3000,2000+1500}
=max{3000,2500}
=3500
五、动态规划算法最佳实践-背包问题代码实现
1、代码
package com.rf.springboot01.Algorithm.dynamic;
/**
* @description: 动态规划算法解决背包问题代码示例
* @author: xiaozhi
* @create: 2020-11-01 21:14
*/
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;//物品的个数
//创建二维数组,
//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
int[][] v=new int[n+1][m+1];
//为了记录放入商品的情况,我们定一个二维数组
int[][] path = new int[n+1][m+1];
//初始化第一行和第一列, 因为默认就是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0
}
System.out.println("输出一下二维数组v =============");
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();
}
//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 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) { // 因为我们程序i 是从1开始的,因此原来公式中的 w[i] 修改成 w[i-1]
v[i][j]=v[i-1][j];
} else {
//说明:
//因为我们的i 从1开始的, 因此公式需要调整成
//v[i][j]=Math.max(v[i-1][j], val[i-1]+v[i-1][j-w[i-1]]);
//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,我们不能直接的使用上面的公式,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]];
//把当前的情况记录到path
path[i][j] = 1;
} else {
v[i][j] = v[i - 1][j];
}
}
}
}
System.out.println("再次输出一下二维数组v =============");
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("输出放入背包中的商品============================");
int i = path.length - 1; //行的最大下标
int j = path[0].length - 1; //列的最大下标
while(i > 0 && j > 0 ) { //从path的最后开始找
if(path[i][j] == 1) {
System.out.printf("第%d个商品放入到背包\n", i);
j -= w[i-1]; //w[i-1]
}
i--;
}
}
}
2、运行main函数,输出如下图: