动态规划算法

动态规划算法

介绍

1） 动态规划（Dynamic Programming）核心思想：将大问题分为小问题进行解决，从而一步步获取最优的处理算法
2） 与分治算法类似的是，其基本思想也是将待求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） 与分治算法不同的是，适合于用动态规划求解的问题，经分解得到的子问题往往不是互相独立的。
4） 动态规划可以通过填表的方式来逐步推进，得到最优解

场景

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
1） 要求达到的目标为装入的背包总价值最大，且重量不能超出
2） 要求装入的物品不能重复

思路分析和图解
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)

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]（第i个商品的重量）和 v[i]（价值）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：

物品	0 磅	1磅	2磅	3磅	4磅
	0	0	0	0	0
吉他(G)	0	1500(G)	1500(G)	1500(G)	1500(G)
音响(S)	0	1500(G)	1500(G)	1500(G)	3000(S)
电脑(L)	0	1500(G)	1500(G)	2000(L)	2000(L)+1500(G)

注：这里不太好理解，一定要动手自己填表，才能有感觉

(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（j是本次循环的背包容量）
(3) 当j>=w[i]时： v[i][j]=max{v[i-1][j], v[i]+v[i-1][j-w[i]]}

下面上代码：

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;//背包容量
        int n = val.length;//物品的个数

        //创建二维数组，表
        int[][] v = new int[n+1][m+1];

        //初始化第一行和第一例为0（不处理也许，默认为0）
        for (int i = 0; i < v.length; i++) {
            v[i][0]=0;
        }
        for (int j = 0; j < v[0].length; j++) {
            v[0][j]=0;
        }

        //动态规划处理
        for (int i = 1; i < v.length; i++) {//不处理第一行
            for (int j = 1; j < v[0].length; j++) { //循环背包容量
                if (w[i-1]<=j){
                    /*当将要放入的物品重量小于等于背包容量的时候
                     *有两种可能：
                     *  1.直接放进去，剩余容量>=0，利用起来也就是之前计算过的背包容量下的最优解，
                     *      价值比上一个单元格大（每一个单元格都是自己条件下的最优解）
                     *  2.直接放进去，加上剩余容量最优解，价值不如上一个单元格大
                     */
                    v[i][j] = Math.max(v[i-1][j],
                            val[i-1]+v[i-1][j-w[i-1]]);        
            }
        }

        //输出二维数组
        for (int i = 0; i < v.length; i++) {
            for (int j = 0; j < v[0].length; j++) {
                System.out.print(v[i][j]+" ");
            }
            System.out.println();
        }
    }
}

现在增加一个需求：需要知道哪些物品被加入到了背包中

修改代码如下：

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;//背包容量
        int n = val.length;//物品的个数

        //创建二维数组，表
        int[][] v = new int[n+1][m+1];

        //为了记录哪些物品被放入背包，创建一个二维数组
        int[][] path = new int[n+1][m+1];

        //初始化第一行和第一例为0（不处理默认为0）
        for (int i = 0; i < v.length; i++) {
            v[i][0]=0;
        }
        for (int j = 0; j < v[0].length; j++) {
            v[0][j]=0;
        }

        //动态规划处理
        for (int i = 1; i < v.length; i++) {//不处理第一行
            for (int j = 1; j < v[0].length; j++) {//不处理第一列
                if (w[i-1]<=j){
                    /*当将要放入的物品重量小于等于背包容量的时候
                     *有两种可能：
                     *  1.直接放进去，剩余容量>=0，利用起来也就是之前计算过的背包容量下的最优解，
                     *      价值比上一个单元格大（每一个单元格都是自己条件下的最优解）
                     *  2.直接放进去，加上剩余容量最优解，价值不如上一个单元格大
                     */
//                    v[i][j] = Math.max(v[i-1][j],
//                            val[i-1]+v[i-1][j-w[i-1]]);
                    //增加需求：记录哪些物品加入了背包
                    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]];
                        //记录
                        path[i][j] = 1;
                    }else{
                        v[i][j] = v[i-1][j];
                    }

                }else {
                    //放入的物品重量超过背包容量，直接采用上一个单元格的最优解
                    v[i][j] = v[i-1][j];
                }
            }
        }

        //输出二维数组
        for (int i = 0; i < v.length; i++) {
            for (int j = 0; j < v[0].length; j++) {
                System.out.print(v[i][j]+" ");
            }
            System.out.println();
        }

        //找出放入的物品
        /*从后往前遍历，因为最终的最优解在最后面，
         *先遍历找到一个放入的物品，再用剩余容量找到属于它的最优解，
         * 得到第二个物品，以此类推
         */
        int i = path.length-1;
        int j = path[0].length-1;
        while(i>0 && j>0){
            if(path[i][j]==1){//说明这个物品被放入过
                System.out.printf("放入了第%d个物品\n",i);
                //注意要利用剩余容量继续找其他物品
                j -= w[i-1];
            }
            i--;
        }
    }
}

注：学习笔记来源于尚硅谷视频学习总结记录