动态规划算法

动态规划算法(Dynamic Programming)算法也是将大问题划分为小问题进行解决，与分治算法类似，但适用于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。这儿用背包问题演示一次。
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。其中又分为01背包和完全背包（01背包即每个物品最多放一个；完全背包指的是每种物品都有无限件可用。无限背包可以转化为01背包）

public class KnapsackProblem {

	public static void main(String[] args) {
		// TODO Auto-generated method stub
		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;// 物品的个数

		// 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];

		// 创建二维数组
		// v[i][j]表示在前i个物品中能装入容量为j的背包中的最大价值
		int[][] v = new int[n + 1][m + 1];

		// 初始化第一行和第一列，在本程序中可以不去处理，因为默认为0
		for (int i = 0; i < v.length; i++) {
			v[i][0] = 0;// 将第一列设置为0
		}
		for (int i = 0; i < v[0].length; i++) {
			v[0][i] = 0;// 将第一行设置为0
		}

		for (int i = 1; i < v.length; i++) {// 不处理第一行
			for (int j = 1; j < v[0].length; j++) {// 不处理第一列
				if (w[i - 1] > j) {// 因为我们的程序是从1开始的，因此从w[i-1]开始
					v[i][j] = v[i - 1][j];
				} else {
					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];
					}
				}
			}
		}

		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();
		}

		// 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];
			}
			i--;
		}

	}

}