实验室学习第七次总结

今天学习的是动态规划。
在我看来动态规划最重要的作用就是缩短代码运行的时间。保证代码高效的运行。也有人说它是利用“空间”换“时间”。

我先举一个例子来说明它的作用：

这是0-1背包问题

问题描述

有n个物品，它们有各自的体积和价值，现有给定容量的背包，如何让背包里装入的物品具有最大的价值总和？（每个物体只有一个）

这道题目是可以使用暴力解法去完成的，但是由于需要遍历所有可能的组合，当物品数量n较大时，计算量会非常大，导致程序运行时间过长。因此，在实际应用中，通常会采用更高效的算法来解决01背包问题，如动态规划（Dynamic Programming）。

好的

我们来设置一下

序号	1	2	3	4
体积	2	3	4	5
价值	3	4	5	6

凭借这个数据完成动态规划
代码如下

#include<iostream>
using namespace std;
#include <algorithm>
int main()
{
	int w[5] = { 0 , 2 , 3 , 4 , 5 };			//商品的体积2、3、4、5
	int v[5] = { 0 , 3 , 4 , 5 , 6 };			//商品的价值3、4、5、6
	int bagV = 8;					        //背包大小
	int dp[5][9] = { { 0 } };			        //动态规划表

	for (int i = 1; i <= 4; i++) 
	{
		for (int j = 1; j <= bagV; j++) 
		{
			if (j < w[i])
				dp[i][j] = dp[i - 1][j];
			else
				dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i]] + v[i]);
		}
	}

	//动态规划表的输出
	for (int i = 0; i < 5; i++) {
		for (int j = 0; j < 9; j++) {
			cout << dp[i][j] << ' ';
		}
		cout << endl;
	}

	return 0;
}

没有想象的那么复杂

    for (int i = 1; i <= 4; i++) 
	{
		for (int j = 1; j <= bagV; j++) 
		{
			if (j < w[i])
				dp[i][j] = dp[i - 1][j];
			else
				dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i]] + v[i]);
		}
	}

	

这是不好理解的地方。 

dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i]] + v[i]);

而这一句就是动态规划的精髓所在。 巧妙地运用在之前就得出的结果，避免了大量的运算过程。

这就是结果，10就是最终的答案。从图中可以看见每一个过程中的最佳解。