Dynamic Programming(动态规划)

动态规划算法的介绍

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

动态规划算法最佳实践-背包问题

背包问题：有一个背包，容量为 4 磅 ，现有如下物品

物品	重量	价格
吉他	1	1500
音响	4	3000
电脑	3	2000

• 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
• 要求装入的物品不能重复

思路分析

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 val[i-1]、w[i-1]分别为第 i 个物品的价值和重量，m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。

则会得到下面的结果

1. v[i][0]=v[0][j]=0 // 表示填入表第一行和第一列是 0（方便计数）
2. 当 w[i-1]> j 时：v[i][j]=v[i-1][j] // 当准备加入新增的物品容量大于当前背包的容量时，就直接用上一个单元格的装入策略
3. 当 j>=w[i-1]时： v[i][j]=max( v[i-1][j], val[i-1]+v[i-1][j-w[i-1]] ) // 当准备加入的新增的物品容量小于等于当前背包的容量（即装完当前物品后还有容量）就把上一个单元格的装入策略的价值 与 当前物品的价值+上一个单元格所剩物品容量所在的那一列规划的价值 比较取最大的一个

代码实现

public class DynamicProgramming {
    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
        int m = 4; // 背包的容量
        int n = val.length; // 物品的种类数

        // 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];

        // 为了记录物品放入的情况，创建一个二维数组
        int[][] path = new int[n+1][m+1];

        // 初始化第一行和第一列
        for (int i = 0; i < v.length; i++) {
            v[i][0] = 0;
        }
//        Arrays.fill(v[0], 0);
        for (int i = 0; i < v[0].length; i++) {
            v[0][i] = 0;
        }

        // 根据前面的公式来进行动态规划
        for (int i = 1; i < v.length; i++) {
            for (int j = 1; j < v[0].length; j++) {
                if (w[i-1] > j) { // 如果物品的重量 > 表格所规划的重量
                    v[i][j] = v[i-1][j];
                } else {
                    // 把上一行物品的价值 与 当前物品的价值+上一行所剩物品重量规划的价值 比较取最大的那一个
                    v[i][j] = Math.max(v[i-1][j], val[i-1]+v[i-1][j-w[i-1]]);
                    //为了记录物品放入背包的情况，因此上面的式子
                    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]];
                        // 把当前情况记录到path中
                        path[i][j] = 1;
                    } else {
                        v[i][j] = v[i-1][j];
                    }
                }
            }
        }

        // 打印二维数组v
        for (int[] i : v) {
            for (int j : i) {
                System.out.print(j + " ");
            }
            System.out.println();
        }

        // 打印path
        System.out.println("path=============");
        for (int[] i : path) {
            for (int j : i) {
                System.out.print(j + " ");
            }
            System.out.println();
        }

        System.out.println("=================");
        // 从后往前打印，因为最后面的容量最大的能拿到最大值
        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个物品放入背包\n", i);
                // 换到剩下重量所放入物品的列
                j -= w[i-1];
            }
            i--;
        }
    }
}

运行结果

注：以上大部分内容来源于韩顺平老师的数据结构和算法笔记