上周软考成绩出来了,当看到成绩的时候感觉还是有点小小的遗憾——差了5分。好几个周末都泡在图书馆里潜心修炼,尽管结果没能达到我的预期,但也让我发现了周末的新玩法-->泡图书馆,在通过以往几周的体验后发现其实这也是一种挺不错的选择方式,特别是炎热的夏天和寒冷的冬天,有免费的空调和安静的环境,哈哈。当然,对于上次的考试之所以挂了其中我的惰性和贪玩占了很大的因素,临近考试的那几个周末我还跑去各种玩的地方尽情嗨皮好几个整天,还有就是偶尔周末的早上起床比较晚,一上午的时间就这样耽误了,这是需要值得反思与克制的。还有就是我复习的方式也有问题,直接做题而没有看教程,这样导致基础知识点没有全面掌握过,考试结束后才发现对于软考其实是有复习教程的,而没弄一本过来就只知道看往年的试题对我貌似不适合,最终决定还是另辟蹊径,不能放弃。
有了前车之鉴后,立马从某宝上购了一本《软件设计师教程》打算11月的再战。这个周末的上海还是挺热的,周六下午泡了下午图书馆再次看到了算法部分,写得挺不错的。晚上回到家后打开电脑准备来找个简单的动态规划算法来练习一把。
————————————————————————————————————————————————————
————————————————————————分隔线—————————————————————————
————————————————————————————————————————————————————
题目
描述
在n个物品中挑选若干物品装入背包,最多能装多满?假设背包的大小为m,每个物品的大小为A[i]
样例
如果有4个物品[2, 3, 5, 7]
如果背包的大小为11,可以选择[2, 3, 5]装入背包,最多可以装满10的空间。
如果背包的大小为12,可以选择[2, 3, 7]装入背包,最多可以装满12的空间。
函数需要返回最多能装满的空间大小。
挑战
O(n x m) time and O(m) memory.
O(n x m) memory is also acceptable if you do not know how to optimize memory.
我写的答案:
public class Main {
public static void main(String[] args) {
Main main = new Main();
int i = main.backPack(10, new int[]{3, 4, 8, 5});
System.out.println(">>>" + i);
}
/**
* @param m: An integer m denotes the size of a backpack
* @param A: Given n items with size A[i]
* @return The maximum size
* 如果有4个物品[2, 3, 5, 7]
* 如果背包的大小为11,可以选择[2, 3, 5]装入背包,最多可以装满10的空间。
* 如果背包的大小为12,可以选择[2, 3, 7]装入背包,最多可以装满12的空间。
* 函数需要返回最多能装满的空间大小。
* 10-->[3,4,8,5]
*/
public int backPack(int m, int[] A) {
if (m == 0 || A.length == 0) {
return 0;
}
int length = A.length;
int[][] array = new int[length + 1][m + 1];
for (int i = 1; i <= length; i++) {
for (int j = 1; j <= m; j++) {
if (A[i - 1] <= j) {
array[i][j] = Integer.max(array[i - 1][j - A[i - 1]] + A[i - 1], array[i - 1][j]);
} else {
array[i][j] = array[i - 1][j];
}
}
}
showArray(array);
return array[length][m];
}
private void showArray(int[][] array) {
System.out.print("the 0-->");
for (int j = 0; j < array[0].length; j++) {
System.out.print(j + " ");
}
System.out.println();
System.out.println();
for (int i = 0; i < array.length; i++) {
System.out.print("the " + i + "-->");
for (int j = 0; j < array[0].length; j++) {
System.out.print(array[i][j] + " ");
}
System.out.println();
}
}
}
运行结果:
the 0-->0 1 2 3 4 5 6 7 8 9 10
the 0-->0 0 0 0 0 0 0 0 0 0 0
the 1-->0 0 0 3 3 3 3 3 3 3 3
the 2-->0 0 0 3 4 4 4 7 7 7 7
the 3-->0 0 0 3 4 4 4 7 8 8 8
the 4-->0 0 0 3 4 5 5 7 8 9 9
>>>9
提交后通过。
总结
对于需要用DP算法解决的题目在分析时如何定义所谓的动态转换方程是关键。
即这里的:array[i][j] = Integer.max(array[i - 1][j - A[i - 1]] + A[i - 1], array[i - 1][j]);
具体步聚:
1、定义数组array[i][j]为在容量为j时在装入第i个物品时所能装下的物品重量最大值。
2、画表格,找关系:容量为j时装入第i个物品的重量最大值=max(在容量为j时装入第i个物品的重量+在容量为[j-第i个物品的重量]时所能装下的重量最大值,在容量为j时而没有装入第i个物品时所能装入物品重量的最大值)
3、初始化array[i][j]数组,即将没有装入任何物品时的最优值和容量为0时的最优值,上文由于是JAVA代码用int定义的,所以这个步聚可以省略
4、写代码,一行一行遍历,即装的物品从第1个到第N个这样一行一行遍历写表格
5、输出结果,即array数组的最后一个值