动态规划（背包问题）

动态规划

• 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

• 背包问题简介

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。

• 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总价值最大，并且重量不超出
  2）要求被装入的物品不能重复

• 思路分析

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 第一行第一列为0
（2）当w[i] > j 时：v[i][j] = v[i-1][i]；//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
//装入方式：
v[i-1][j] : 就是上一个单元格装入的最大值
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

• 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 };// 物品的价值 这里val[i] =v[i]
		int m = 4;// 背包容量
		int n = val.length;// 物品的个数

		// 为了记录放入物品的情况 定义二维数组
		int[][] path = new int[n + 1][m + 1];

		// 创建二维数组
		// v[i][j] 表示在前i个物品中能够装入容量为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 这里可以不处理 默认为0
		for (int i = 0; i < v.length; i++)
			v[i][0] = 0;// 第一列设为0
		for (int i = 0; i < v[0].length; i++)
			v[0][i] = 0;// 第一行设为0

		// 根据前（3）点公式来进行动态规划
		for (int i = 1; i < v.length; i++) {// 不出来第一行 i是从1开始
			for (int j = 0; j < v[0].length; j++) {// 不处理第一列 j是从1开始的
				// 公式
				if (w[i - 1] > j) {// 因为程序i是从1开始 因此原来公式的w[i] 要修改为w[i-1]
					v[i][j] = v[i - 1][j];
				} else {
					// 说明 因为程序中i从1开始 所以公式需要调整
					// v[i][j]=Math.max(v[i-1][j], val[i-1]+v[i-1][j-w[i-1]]);
					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  记录当前商品是否存入 
						path[i][j] = 1;
					} else {
						v[i][j] = v[i - 1][j];
					}
				}
			}
		}

		// 输出v
		for (int i = 0; i < n + 1; i++) {
			for (int j = 0; j < m + 1; j++) {
				System.out.print(v[i][j] + "\t");
			}
			System.out.println();
		}

		// 输出最后我们放入的物品
		// 由于只要最后的遍历情况 采用从后遍历
		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--;
		}
	}
}