动态规划算法
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。
- 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。
算法案例(背包问题)
有一个背包,容量容量为4,现有如下物品,要求达到背包容量最大值,并且不超过,物品不能重复。
物品 | 重量 | 价格 |
---|---|---|
吉他(G) | 1 | 1500 |
音响(S) | 4 | 3000 |
电脑(L) | 3 | 2000 |
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j的背包中的最大价值。则我们有下面的结果:
- v[i][0]=v[0][j]=0;//表示填入的表的第一行和第一列是0
- 当w[i]>j时:v[i][j]=v[i-1][j] //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
- 当j>=w[i]时:v[i][j]=max{v[i-1][i],v[i-1][j-w[i]]+v[i]} //v[i-1][j]:表示上一个单元格转入的最大值;v[i]:表示当前商品的价值
转化为填表
物品 | 0磅 | 1磅 | 2磅 | 3磅 | 4磅 |
---|---|---|---|---|---|
0 | 0 | 0 | 0 | 0 | |
吉他(G) | 0 | 1500G | 1500G | 1500G | 1500G |
音响(S) | 0 | 1500G | 1500G | 1500G | 3000S |
电脑(L) | 0 | 1500G | 1500G | 2000L | 2000L+1500G |
代码实现
package com.dynamic;
public class KnapsackProblem {
public static void main(String[] args) {
int[] w = { 1, 4, 3 };// 物品的重量
int[] val = { 1500, 3000, 2000 };// 物品价值
int m = 4;// 背包的容量
int n = val.length;// 物品个数
// 创建二维数组
// v[i][j]表示在前i个物品中能装入容量为j的背包中多的最大价值
int[][] v = new int[n + 1][m + 1];
// 记录加入商品的情况
int[][] path = new int[n + 1][m + 1];
// 初始化第一行和第一列
for (int i = 0; i < v.length; i++) {
v[i][0] = 0;// 设置第一列为0
}
for (int i = 0; i < v[0].length; i++) {
v[0][i] = 0;// 将第一行设置为0
}
// 根据前面的公式进行动态规划
for (int i = 1; i < v.length; i++) {
for (int j = 1; j < v[0].length; j++) {
if (w[i - 1] > j) {// 因为i是从1开始的,因此原来推到w[i]要修改w[i-1]
v[i][j] = v[i - 1][j];
} else {
// 因为i从1开始,因此val[i-1] w[i-1]
// v[i][j] = Math.max(v[i - 1][j], val[i - 1] + v[i - 1][j - w[i - 1]]);
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]];
path[i][j] = 1;
} else {
v[i][j] = v[i - 1][j];
}
}
}
}
// 输出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();
}
// 输出最后我们放入的商品
int i = path.length - 1;// 行最大下标
int j = path[0].length - 1;// 列最大下标
while (i > 0 && j > 0) {// 从path的最后开始找
if (path[i][j] == 1) {
System.out.printf("第%d个商品放入背包\n", i);
j -= w[i - 1];
}
i--;
}
}
}