一步一步看清动态规划----背包问题（java解）

题目背景
话说有一哥们去森林里玩发现了一堆宝石，他数了数，一共有n个。 但他身上能装宝石的就只有一个背包，背包的容量为C。这哥们把n个宝石排成一排并编上号： 0,1,2,…,n-1。第i个宝石对应的体积和价值分别为V[i]和W[i] 。排好后这哥们开始思考： 背包总共也就只能装下体积为C的东西，那我要装下哪些宝石才能让我获得最大的利益呢？

OK，如果是你，你会怎么做？你斩钉截铁的说：动态规划啊！恭喜你，答对了。 那么让我们来看看，动态规划中最最最重要的两个概念： 状态和状态转移方程在这个问题中分别是什么。

我们要怎样去定义状态呢？这个状态总不能是凭空想象或是从天上掉下来的吧。 为了方便说明，让我们先实例化上面的问题。一般遇到n，你就果断地给n赋予一个很小的数， 比如n=3。然后设背包容量C=10，三个宝石的体积为5，4，3，对应的价值为20，10，12。 大家都知道正解应该是把体积为5和3的宝石装到背包里， 此时对应的价值是20+12=32。接下来，我们把第三个宝石拿走， 同时背包容量减去第三个宝石的体积（因为它是装入背包的宝石之一）， 于是问题的各参数变为：n=2，C=7，体积｛5，4｝，价值｛20，10｝。好了， 现在这个问题的解是什么，肯定是：把体积为5的宝石放入背包 （然后剩下体积2，装不下第二个宝石，只能眼睁睁看着它溜走），此时价值为20。 这样一来，我们发现，n=3时，放入背包的是0号和2号宝石；当n=2时， 我们放入的是0号宝石。这并不是一个偶然，没错， 这就是传说中的“全局最优解包含局部最优解”（n=2是n=3情况的一个局部子问题）。 绕了那么大的圈子，你可能要问，这都哪跟哪啊？说好的状态呢？说好的状态转移方程呢？ 别急，它们已经呼之欲出了。

我们再把上面的例子理一下。当n=2时，我们要求的是前2个宝石， 装到体积为7的背包里能达到的最大价值；当n=3时，我们要求的是前3个宝石， 装到体积为10的背包里能达到的最大价值。有没有发现它们其实是一个句式！OK， 让我们形式化地表示一下它们， 定义d(i,j)为前i个宝石装到剩余体积为j的背包里能达到的最大价值。 那么上面两句话即为：d(2, 7)和d(3, 10)。这样看着真是爽多了， 而这两个看着很爽的符号就是我们要找的状态了。 即状态d(i,j)表示前i个宝石装到剩余体积为j的背包里能达到的最大价值。 上面那么多的文字，用一句话概括就是：根据子问题定义状态！你找到子问题， 状态也就浮出水面了。而我们最终要求解的最大价值即为d(n, C)：前n个宝石 （0,1,2…,n-1）装入剩余容量为C的背包中的最大价值。状态好不容易找到了， 状态转移方程呢？顾名思义，状态转移方程就是描述状态是怎么转移的方程。 那么回到例子，d(2, 7)和d(3, 10)是怎么转移的？来，我们来说说2号宝石 （记住宝石编号是从0开始的）。从d(2, 7)到d(3, 10)就隔了这个2号宝石。 它有两种情况，装或者不装入背包。如果装入，在面对前2个宝石时， 背包就只剩下体积7来装它们，而相应的要加上2号宝石的价值12， d(3, 10)=d(2, 10-3)+12=d(2, 7)+12；如果不装入，体积仍为10，价值自然不变了， d(3, 10)=d(2, 10)。记住，d(3, 10)表示的是前3个宝石装入到剩余体积为10 的背包里能达到的最大价值，既然是最大价值，就有d(3, 10)=max{ d(2, 10), d(2, 7)+12 }。好了，这条方程描述了状态d(i, j)的一些关系， 没错，它就是状态转移方程了。把它形式化一下：d(i, j)=max{ d(i-1, j), d(i-1,j-V[i-1]) + W[i-1] }。注意讨论前i个宝石装入背包的时候， 其实是在考查第i-1个宝石装不装入背包（因为宝石是从0开始编号的）。至此， 状态和状态转移方程都已经有了。
程序及详细讲解

程序及详细讲解

public class knapspace{
    public static void main(String[] args) {
        int N = 3 ;     // 宝石个数
        int C = 10 ;    // 书包容量
        int V[] = {0,5,3,4} ;       // 每个宝石的体积，这里前面的0是为了后面表示方便，即V[1]表示为第一个宝石的体积，下同
        int W[] = {0,20,10,12} ;    // 每个宝石的价值
        int d[][] = new int [N+1][C+1] ;

        d[0][C] = 0 ;

        for (int i = 1; i <= N; i++) {
                for (int j= 1; j<=C; j++) {
                    if ( i > 0 && j>=V[i]) {
                    // 状态转移方程
                        d[i][j] = (d[i-1][j] > d[i-1][j-V[i]] + W[i]) ? d[i-1][j] : d[i-1][j-V[i]] + W[i] ;
                    }
                }
            }
            System.out.println(d[N][C]) ;   
    }
}

为了说明情况 ，我们改下程序，让每次执行都打印 d[i][j]看一看，每次都是怎么变化的。

public class knapspace{
    public static void main(String[] args) {
        int N = 3 ;     // 宝石个数
        int C = 10 ;    // 书包容量
        int V[] = {0,5,3,4} ;       // 每个宝石的体积,这里前面的0是为了后面表示方便，即V[1]表示为第一个宝石的体积，下同
        int W[] = {0,20,10,12} ;    // 每个宝石的价值
        int d[][] = new int [N+1][C+1] ;    // 状态数组

        d[0][C] = 0 ;

        for (int i = 1; i <= N; i++) {
            System.out.println("*********  i="+ i +"  *********" ) ;
                for (int j= 1; j<=C; j++) {
                    if ( i > 0 && j>=V[i]) {
                        // 状态转移方程
                        d[i][j] = (d[i-1][j] > d[i-1][j-V[i]] + W[i]) ? d[i-1][j] : d[i-1][j-V[i]] + W[i] ;

                        System.out.println("\t---------- j="+j+"  d[i-1][j]="+d[i-1][j]+"   d[i-1][j-V[i]]+ W[i]="+(d[i-1][j-V[i]]+ W[i])+"   ---------") ;
                        // 打印每次保存状态的数组
                        print_array(d) ;
                    }
                }
                System.out.println() ;
            }
    }
    // 打印保存数据的二位数组
    public static void print_array(int A[][]){
        System.out.println("=======================================================================") ;
        for (int i= 1;i<A.length ;i++ ) {
            for (int j = 1; j<A[0].length; j++) {
                System.out.print(A[i][j] + "\t") ;
            }
            System.out.println();
        }
        System.out.println("=======================================================================") ;
    }
}

我们来看打印出来的 i=1 时候的数据，表示只有第一个宝石的情况：

一共三行，表示放三次宝石；10列，表示背包的总体积大小。从程序中可以看到，当求解当前（i=1）最优解的时候，是将当前解的子结构与当前情况做比较（d[i-1][j] 、d[i-1][j-V[i]] + W[i]）。

d[i-1][j] 表示在体积为j，不装这块宝石的时候，获得的最大价值；此价值通过 i-1 的状态获得，即最优子结构。
d[i-1][j-V[i]] + W[i]： 表示体积在可以装下第 i 块宝石的时候，装下这块宝石的总价值。（d[i-1][j-V[i]]表示在装下当前宝石的时候，剩余体积的最优子解）

可以看到这里进行了5次比较，从可以装下当前宝石的体积 j=5 开始。

下面看一下 i=2 的情况：

我们可以看到，i=2的时候，从 j=3 开始，因为第二块宝石的体积大小为3，如果不放入第一块，只放入第二块的话， j=3是符合要求的。
第一行就是 i=1 的求解结果，这里作为 i=2 的最优子结构。

当体积 j<5时，只装入宝石2（V[2] = 3）获取的价值最大；
而在 j>5 的时候，将 d[i-1][j] 、d[i-1][j-V[i]] + W[i] 进行比较，即不装当前宝石与装入当前宝石的总价值比较，选出一个最好的结果。
其中 j>=8时，d[i-1][j] = 20（表示不装当前宝石的最高价值，因为此时二者只可装下一个，所以选总价值最高的装），d[i-1][j-V[i]] + W[i]=30（表示装下当前宝石的最高价值，因为此时二者均可装下，所以总价值为两个宝石价值和），此时最优解为30。

i=3 的情况：

这个，按照上面的逻辑同样可以分析清楚。

总结
对于初学者，动态规划是比较难理解的，可以选择多做几题，多思考每一步是怎么达到的。动态规划的思想就是利用 空间换时间，开辟独立的空间存储最优子解，求新问题解=子问题+状态转移，这样可以避免掉对于子问题的重复计算。在动态规划中，状态和状态转移方程式很重要的。
以上个人观点，欢迎讨论。