1.核心思想
- 动态规划的核心思想就是把大问题划分成一个个小问题,取得每个小问题的最优解。进而取问题的最优解。
- 适用于动态规划求解的问题得到的子问题不是相互独立的,而是建立在上一个阶段的解的基础上,进行进一步求解。
- 动态规划可以通过填表的方式逐步推进,得到最优解。
2.动态规划算法的最佳实践——背包问题
背包问题主要是指:一个给定容量的背包,若干具有一定价值的物品,如何选择商品可以使得放入背包的物品价值最大,其中又分为01背包和完全背包
- 01背包:每种物品最多放一个
- 完全背包:每种物品都有无限个
问题:有一个背包,容量为4磅,现有如下商品
要求:
- 装入背包的商品总价值最大,
- 重量不超出
- 装入商品不重复
3.实现思路:
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:
- v[i][0]=v[0][j]=0; //表示 填入表 第一行和第一列是0
- 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
- 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
4.代码实现:
public class KnapsackProblem {
public static void knapsackProblem( int[] w, int[] val,int m){
int n = val.length; //物品的个数
//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];
//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];
//初始化第一行和第一列, 这里在本程序中,可以不去处理,因为默认就是0
//根据前面得到公式来动态规划处理
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][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]]);
//为了记录商品存放到背包的情况,我们不能直接的使用上面的公式,需要使用if-else来体现公式
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];
}
}
}
}
//输出一下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] + "\t");
}
System.out.println();
}
//输出最后我们是放入的哪些商品
int i = path.length - 1; //行的最大下标
int j = path[0].length - 1; //列的最大下标
while(i > 0 && j > 0 ) { //从path的最后开始找
if(path[i][j] == 1) {
System.out.printf("第%d个商品放入到背包\n", i);
j -= w[i-1]; //w[i-1]
}
i--;
}
}
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 这里val[i] 就是前面讲的v[i]
int m = 4; //背包的容量
knapsackProblem(w,val,m);
}
}
代码输出:
0 0 0 0 0
0 1500 1500 1500 1500
0 1500 1500 1500 3000
0 1500 1500 2000 3500
第3个商品放入到背包
第1个商品放入到背包