题目
动态规划算法介绍
- 动态规划算法的核心思想是:将大问题划分为小问题进行解决,从而一步步获得最优解的处理算法
- 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
- 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)
- 动态规划可以通过填表的方式来逐步推进,得到最优解.
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]表示再前i个物品中能够装入容量为j的背包中的最大价值.
01背包解法思路如下
- 创建v(二维数据),行为物品的个数+1,列为背包的容量+1,v[i][0]=v[0][j] = 0;//表示表第一行和第一列是0. 这样创建的原因(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)
- 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.(因为下一个单元格的装入策略必定满足前面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][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,还剩余空间j-w[i]的最大值.
代码如下
package day04;
import java.util.Arrays;
public class 背包问题 {
public static void main(String[] args) {
int n = 4;
int[] w = {2,1,3,2};
int[] v = {3,2,4,2};
int c = 5;
int maxMoney = getMaxMoney(n,w,v,c);
System.out.println(maxMoney);
}
//参数说明
/*
* n: 给定的物品数量
* w: 不同物品的重量 是一个数组
* v 不同物品的价值 是一个数组
* c 背包的容量
* */
public static int getMaxMoney(int n, int[] w,int[] v,int c){
//由于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
//所以我们需要建立一个二维数组来记录 n+1代表表的第一行第一列为空,是从第二行第二列开始填表记录
int[][] V = new int[n+1][c+1];
for (int i = 1; i < V.length; i++) {
for (int j = 1; j < V[0].length; j++) {
//因为i从1开始 这里w[i-1]需要注意一下
if(w[i-1]>j){
//当准备加入新增的商品的容量大于,当前背包容量时
//直接就使用上一个单元格记录的答案
V[i][j] = V[i-1][j];
}else{
//当准备加入新增的商品的容量小于 当前背包容量时
//那么就需要进行比较,上一个单元格记录的价值 和 当前装入商品的价值+当前背包还能装入的价值
V[i][j] = Math.max(V[i-1][j],v[i-1]+V[i-1][j-w[i-1]]);
}
}
}
for (int i = 0; i < V.length; i++) {
System.out.println(Arrays.toString(V[i]));
}
//V数组中的最大那个值就是背包所能装的最大价值(也就是V[n][c])
return V[n][c];
}
}
我们经过逐步求解,最终的V就是这样一张表格, V的最后一行最后一列就是最大价值.