动态规划算法笔记

动态规划算法

基本介绍

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.

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

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)
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. 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