一:动态规划算法
1:动态规划算法介绍
1) 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
2) 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。
3) 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 )
4) 动态规划可以通过填表的方式来逐步推进,得到最优解.
2:应用场景-背包问题
背包问题:有一个背包,容量为 4 磅 , 现有如下物品
- 要求达到的目标为装入的背包的总价值最大,并且重量不超出
- 要求装入的物品不能重复
思路分析和图解
3. 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重量的物品,如何选择物品放入背包使物品的价值最大。其中又分 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
)
4.
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。
5.
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
i
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为
j
的背包中的最大价值。则我们有下面的结果:
(1) v[i][0]=v[0][j]=0; //表示 填入表 第一行和第一列是 0
(2) 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
(3) 当 j>=w[i]时: v[i][j]=max{v[i-1][j], v[i]+v[i-1][j-w[i]]}
// 当 准备加入的新增的商品的容量小于等于当前背包的容量,
// 装入的方式:
v[i-1][j]: 就是上一个单元格的装入的最大值
v[i]: 表示当前商品的价值
v[i-1][j-w[i]]: 装入 i-1 商品,到剩余空间 j-w[i]的最大值
当 j>=w[i]时: v[i][j]=max{v[i-1][j], v[i]+v[i-1][j-w[i]]}:
图解的分析
![](https://i-blog.csdnimg.cn/blog_migrate/1d4a19d072f9d93aebe7be9b9bec8596.png)
3:代码实现
package com.dynamic;
/**
* @author lizhangyu
* @date 2021/3/27 23:16
*/
public class KnapsackProblem {
public static void main(String[] args) {
//物品的重量
int[] w = {1, 4, 3};
//物品的价值
int[] val = {1500, 3000, 2000};
//背包的容量
int m = 4;
//物品的个数
int n = val.length;
//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的背包的最大价值
int[][] v = new int[n+1][m+1];
//为了记录放入商品的情况,我们定一个二维数组
int[][] path = new int[n+1][m+1];
for (int i = 0; i < v.length; i++) {
//将第一列设置为0
v[i][0] = 0;
}
for (int j = 0; j < v[0].length; j++) {
//将第一行设置为0
v[0][j] = 0;
}
//不处理第一行
for (int i = 1; i < v.length; i++) {
//不处理第一列
for (int j = 1; j < v[0].length; j++) {
if (w[i-1] > j) {
v[i][j] = v[i-1][j];
}else {
// 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]];
//把当前的情况记录到path
path[i][j] = 1;
}else {
v[i][j] = v[i-1][j];
}
}
}
}
//输出下v看看目前的情况
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();
}
System.out.println("=========================");
for (int i = 0; i < path.length; i++) {
for (int j = 0; j < path[i].length; j++) {
if (path[i][j] == 1) {
System.out.printf("第%d 个商品放入到背包\n", i);
}
}
}
System.out.println("装入背包最大价值的物品:=>");
//行的最大下标
int i = path.length - 1;
//列的最大下标
int j = path[0].length - 1;
while (i > 0 && j > 0) {
if (path[i][j] == 1) {
System.out.printf("第%d 个商品放入到背包\n", i);
j-=w[i-1];
}
i--;
}
}
}
运行结果如下:
0 0 0 0 0
0 1500 1500 1500 1500
0 1500 1500 1500 3000
0 1500 1500 2000 3500
=========================
第1 个商品放入到背包
第1 个商品放入到背包
第1 个商品放入到背包
第1 个商品放入到背包
第2 个商品放入到背包
第3 个商品放入到背包
第3 个商品放入到背包
装入背包最大价值的物品:=>
第3 个商品放入到背包
第1 个商品放入到背包