动态规划算法

动态规划算法介绍

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千个子问题，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.

背包问题，将三件商品放入容量为4磅的背包中，使得商品的价值最大

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

代码描述：

package com.monster.dynamic;

import java.util.Arrays;

/**
 * @author Monster
 * @version v1.0
 * @time 05-08-2021 18:03:29
 * @description:
 */
public class KnapsackProblem {
    public static void main(String[] args) {
        int[] weight = {1, 4, 3};   // 表示商品的重量
        int[] val = {1500, 3000, 2000}; // 表示商品的价值
        int m = 4; // 表示背包所能放入的最大容量
        int n = 3; // 表示商品的个数

        // values[i][j]表示将前 i个商品放入容量为 j的背包中的最大价值
        // 创建数组比商品个数和容量大 1，并将第一行和第一列为 0，防止后面取 values[i - 1][j] 出现角标越界情况
        int[][] values = new int[n + 1][m + 1];

        // 用于记录当有商品加入进背包且价值大于原来的方案时的 i 和 j 的值
        int[][] path = new int[n + 1][m + 1];

        // 初始化数组的第一行和第一列为 0，防止后面取 values[i - 1][j] 出现角标越界情况
        // 初始化第一列为 0
        for (int i = 0; i < values.length; i++) {
            values[i][0] = 0;
        }
        // 初始化第一行为 0
        Arrays.fill(values[0], 0);

        // 动态规划处理
        // i 表示放入前 i 个商品
        // j 表示背包容量
        for (int i = 1; i < values.length; i++) {
            for (int j = 1; j < values[i].length; j++) {
                if(weight[i - 1] > j) {  // 如果第 i 个商品的重量大于背包的容量，则按照上一次装入的方法进行装入
                    values[i][j] = values[i - 1][j];
                }else { // 如果第 i 个商品的重量不大于背包的容量，则比较相同容量下上一次加入商品的总价值和第 i个商品加入的价值，哪个大取哪个
                    // values[i - 1][j] 相同容量下不加入第 i 个商品的总价值，即上一次加入商品的总价值
                    // val[i - 1] 第 i 个商品的价值
                    // j - weight[i - 1] 当前背包的容量 - 当前商品的重量，即背包剩余的空间大小
                    // values[i - 1][j - weight[i - 1]] 不加入第 i 个商品时 容量为 j - weight[i - 1] 时的背包装入的总价值

                    values[i][j] = Math.max(values[i - 1][j], val[i - 1] + values[i - 1][j - weight[i - 1]]);

                    // 记录最大价值的方案，便于后面输出
                    if(val[i - 1] + values[i - 1][j - weight[i - 1]] > values[i - 1][j]) {
                        path[i][j] = 1;
                    }
                }
            }
        }

        System.out.println("输出所有的方案：");
        for (int[] value : values) {
            for (int i : value) {
                System.out.print(i + "\t");
            }
            System.out.println();
        }

        System.out.println("****************************************");
        System.out.println("输出最优方案：");
        int i = path.length - 1;  // path[][] 数组的最大行数
        int j = path[0].length - 1; // path[][] 数组的最大列数

        while (i > 0 && j > 0) {
            if(path[i][j] == 1) {
                System.out.printf("第%d件商品加入背包、", i);
                j -= weight[i - 1];
            }
            i--;
        }
    }
}