动态规划算法介绍
- 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
- 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。
- 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)
- 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
- 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
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--;
}
}
}