Java学习——算法——动态规划（01背包）

学习尚硅谷韩顺平老师的Java数据结构笔记，详情请移步网站
1、应用场景
背包问题：有一个背包，容量为 4 磅 ， 现有如下物品

（1) 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
（2) 要求装入的物品不能重复
2、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.
3、思路分析
思路分析和图解
3.1 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)
3.2 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。
3.3 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]]} :

4、代码

package Algorithm.DynamicProgramming;

/**
 * 动态规划解决背包问题
 */
public class KnapsackProblem {
    public static void main(String[] args) {
        int[] w = {1,4,3};//物品重量
        int[] val = {1500,3000,2000};//物品价值
        int m = 4;//背包容量
        int n = val.length;//物品个数

        //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的背包中的最大价值
        int[][] v = new int[n+1][m+1];
        //记录放入商品的情况
        int[][] path = new int[n+1][m+1];

        //初始化 v[i][0]=v[0][j]=0
        for (int i = 0; i < v.length; i++) {
            v[i][0] = 0;
        }
        for (int i = 0; i < v[0].length; i++) {
            v[0][i] = 0;
        }

        //动态规划
        for (int i = 1; i < v.length; i++) {//不处理第一行 i 是从 1 开始的
            for (int j = 1; j < v[0].length; j++) {//不处理第一列 j 是从 1 开始的
                if (w[i-1] > j){ // 因为我们程序i是从1开始的，因此原来公式中的w[i]修改成 w[i-1], v[i]修改成val[i-1]
                    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]];
                        //记录最优情况
                        path[i][j] = 1;
                    }else {
                        v[i][j]=v[i-1][j];
                    }
                }
            }
        }

        show(v);

        //输出结果
        int i = path.length -1;
        int j = path[0].length - 1;
        while ( i > 0 && j > 0){//从最后开始找
            if (path[i][j] == 1){
                System.out.printf("第%d个商品放入背包\n", i);
                j -= w[i-1]; //背包剩余多少容量
            }
            i--;
        }
    }

    /**
     * 打印矩阵
     * @param v 目标矩阵
     */
    public static void show(int[][] v) {
        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();
        }
    }
}