动态规划算法
基本介绍
- 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 - 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.
问题引入
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
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]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]]} :
代码实现
public class KnapsackProblem {
public static void main(String[] args) {
int[] w = {1,4,3}; // 物品的重量
int[] val = {1500,3000,2000};//物品的价格
int m = 4;// 背包的容量
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(注:j 并不是代表物品填满了)
int[][] v = new int[n+1][m+1];
//为了记录放入商品的情况,我们定义一个二维数组, 当是最优解的情况下会赋值1
int[][] path = new int[n+1][m+1];
//第一行和第一列默认为0,我就不再重新赋值了
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[i].length; j++) { //不处理第一列, j是从1开始的
if (w[i-1] > j){//因为程序是从1开始的,所以w[i]要改为 w[i-1], 下面的val[i-1]同理
//如果当前物品的重量超过了当前背包的容量,就取前i-1个物品在同样容量下的价值
v[i][j] = v[i-1][j];
}else {
//如果当前物品重量小于等于背包容量
//就取 前i-1个物品在同样容量下的价值 以及 放入当前物品的价值加上去掉当前容器重量的前i-1个物品的最大价值
//v[i][j] = Math.max(v[i-1][j],val[i-1]+v[i-1][j-w[i-1]]);
//为了记录 商品被放到背包的情况, 我们不能直接用上面的写法, 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]];
//这个时候才是最优解的情况,才能将当前物品放入背包
//把当前的情况记录到path
path[i][j] = 1;
}else {
//这个时候说明当前容量下放入第i个物品没有前i-1个物品的总价值大,所以不用给path赋值1
v[i][j] = v[i-1][j];
}
}
}
}
//输出v 看看当前的情况
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("==========================");
//输出我们是放入的哪些商品
/*
注: 这里一定要从最后开始输出, 因为正序的话可能是错的
假如 val = {3000,1500,2000} w = {4,1,3}
当执行到if (v[i-1][j] < val[i-1]+v[i-1][j-w[i-1]]) j = 4 时, path[i][j]会变为1,
但其实这个物品 不是解
所以要从最后开始找
*/
int i = path.length - 1;
int j = path[0].length - 1;
while (i>0 && j>0){
if (path[i][j] == 1){
System.out.printf("第%d个商品被放入背包\n",i);
j = j - w[i-1]; // 当前物品放入了,自然要把它的重量减去
}
i--;
}
//我们可以看下path
for (int i1 = 0; i1 < path.length; i1++) {
for (int j1 = 0; j1 < path[i1].length; j1++) {
System.out.print(path[i1][j1] + " ");
}
System.out.println();
}
}
}
运行结果
0 0 0 0 0
0 1500 1500 1500 1500
0 1500 1500 1500 3000
0 1500 1500 2000 3500第3个商品被放入背包
第1个商品被放入背包
0 0 0 0 0
0 1 1 1 1
0 0 0 0 1
0 0 0 1 1