动态规划——01背包问题（Java实现）_动态规划01背包问题java-CSDN博客

本文链接：https://blog.csdn.net/nswdiphone6/article/details/114818406

动态规划算法：

动态规划算法介绍：

动态规划算法的核心思想是：将大问题划分为小问题进行解决，从而一步步获得最优解的处理算法。
动态规划算法的基本思想是：将待求解的问题分解成若干子问题，先求解子问题，然后从这些子问题的解得到原问题的解。
适合用于动态规划的求解的问题，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。

动态规划算法最佳实践：背包问题

有一个背包，容量为4磅，现有如下物品：

物品	重量	价格
吉他（G）	1	1500
音响（S）	4	3000
电脑（L）	3	2000

要求达到的目标为装入背包的总价值最大，并且重量不超出。
要求装入的物品不能重复。

思路分析：

背包问题主要是指一个给定容量的背包、若干具有一定价值和贵重的物品，如何选择物品放入背包使价格最大，其中又分为01背包和完全背包（完全背包指的是：每种物品都有无限件可用）。
这里的问题属于01背包，即每个物品最多放一个，而无限背包可以转化为01背包。
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] 来确定是否需要将物品放入背包。即对于给定的n个物品，设va[i]，w[i] 分别为第i个物品的价值和重量，c为背包的含量。再令v[i][j]（二维数组，用于表示下表，行表示价值，列表示容量）表示在前i个物品中能够**装入容量为j **(j 为给顶的背包容量，因为需要不断的测试是否达到最大容量，所有设置容量是一个变量j ) 的背包中的最大价值，则有以下结果。

两个箭头分别代表v 的 i 和 j （行和列）

在这里插入图片描述

v[i][0] = v[0][j] = 0 表示第一行和第一列为0，如上图。（由于数组下标索引由0开始，这里方便用 i 和 j 代表具体的哪一个）
当w[i] > j 时说明背包容量不足以放下第i件物品，只能选择不拿，此时，v[i][j] = v[i-1][j] ;

即当准备加入新增的商品的重量大于当前背包的容量时，就使用上一个单元格的装入策略（如上图，音响为4磅，当j = 1，2，3时装入策略为吉他的价格。
当 j >= w[i]时（重量有空余）这是背包容量可以放下第i件物品，可以选择拿还是不拿，判断标准：拿这件物品是否能获取更大的价值。

v[i][j] = max{v[i-1][j],va[i]+v[i-1][j-w[i]]}

当准备加入的新增商品的容量小于等于当前背包的容量，判断上一策略跟现有策略哪个大。其中va[i] 表示的是商品的价格。

其中：

v[i-1][j] : 就是上一个单元格装入的最大值

va[i] : 表示当前商品的价值。 j-w[i] 表示剩余的重量

v[i-1] [j-w[i]]: 装入 i-1商品到剩余空间 j-w[i]的最大值剩余空间对于其他商品种类的最大价值

验证公式，如上图 v[3][4] = 2000 + 1500 即i = 3 j = 4

【j = 4 】 >【 w[3] = 3(磅)】

v[3][4] = max { v[2][4],va[3]+v[2][1] } = {3000,2000 + 1500}
如何确定哪些物品构成最大价值？在第三步我们已经可以确定每一种状态可获得的最大价值，但是并不清楚具体选择哪几样物品能够获得最大价值。那么，如何确定哪几样物品能够获得最大价值呢？
1. 另起一个数组isAdd[N + 1]，isAdd[i] = false表示不拿第i个物体，否则表示拿了。
2. F[i][j]，它是最优值，那么如果：
  
  F[i][j] = F[i - 1][j]，说明有没有第i个物品都一样，第i个物品没有放，则isAdd[i] = false;
  否则，说明放了第i个物体，则isAdd[i] = true。

代码分析：

public class KnapsackProblem {
    public static void main(String[] args) {
        int[] w = {1,4,3}; //物品的重量
        int[] val = {1500,3000,2000}; //物品的价值
        int m = 4;//背包的容量
        int n = val.length; //物品的数量

        //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的背包中最大价值
        int[][] v = new int[n+1][m+1];
        //初始化第一行和第一列，本程序可以不处理，因为默认数为0

        // 这里i是从1开始的，下标代表的是二维数组的索引，故一维数组应从0开始，也就是i -1
        for (int i = 1; i < v.length; i++) {
            for (int j = 0; j <v[0].length ; j++) {
                //根据公式，当新增的商品重量大于当前背包的容量时，采取上一次的装入策略
                if (w[i-1] > j){
                    v[i][j] = v[i-1][j];
                }
                //当新增重量等于或者或者小于背包容量时，判断剩余容量的最佳策略 + 当前容量的最佳策略，与上次策略哪个大，取大的。
                else{
                    v[i][j] = Math.max(v[i-1][j],val[i-1] + v[i-1][j - w[i-1]]);
                }
            }
        }
        //确定哪些物品构成最大值
        boolean[] isAdd = new boolean[n+1];
        // n 行的个数
        // w 最大重量
        for (int i = n; i>= 1;i--){
            if (v[i][m] == v[i-1][m])
                isAdd[i] = false;
            else{
                isAdd[i] = true;
                //最大重量-当前重量 
                // 求剩余重量
                m -= w[i-1];
            }
        }
        for(int i = 1;i <= n;i++)
            if(isAdd[i])
                System.out.println(i);
    }
}

//最后输出1 3