动态规划之背包问题

public class DynamicProgramming_Bag {
	
	public static int[][] getMaxValue(int[] V, int[] W, int C) {
		if (V.length != W.length)
			throw new RuntimeException("Error!!!");
		
		int n = V.length;
		//状态d(i,j)表示前i个宝石装到剩余体积为j的背包里能达到的最大价值
		//d(3, 10)表示的是前3个宝石装入到剩余体积为10 的背包里能达到的最大价值
		int[][] d = new int[n + 1][C + 1];
		for (int i = 0; i < n + 1; i++) {
			for (int j = 0; j < C + 1; j++) {
				if (i == 0 || j == 0)
					d[i][j] = 0;
				else {
					d[i][j] = d[i - 1][j];
					if (j >= V[i - 1]) {
						int val = d[i -1][j - V[i - 1]] + W[i - 1];
						d[i][j] = d[i][j] > val ? d[i][j] : val;
					}
				}
			}
		}
		return d;
	}
	
	public static void main(String[] args) {
		int[] V = {5, 4, 3};
		int[] W = {20, 10, 12};
		int C = 10;
		int[][] ret = getMaxValue(V, W, C);
		for (int i = 0; i < ret.length; i++) {
			for (int j = 0; j < ret[i].length; j++) {
				System.out.print(ret[i][j] + "   ");
			}
			System.out.println();
		}
	}
}

/*
 * 话说有一哥们去森林里玩发现了一堆宝石，他数了数，一共有n个。 
 * 但他身上能装宝石的就只有一个背包，背包的容量为C。这哥们把n
 * 个宝石排成一排并编上号： 0,1,2,…,n-1。第i个宝石对应的体积和
 * 价值分别为V[i]和W[i] 。排好后这哥们开始思考： 背包总共也就
 * 只能装下体积为C的东西，那我要装下哪些宝石才能让我获得最大的利益呢？

OK，如果是你，你会怎么做？你斩钉截铁的说：动态规划啊！恭喜你，答对了。
 那么让我们来看看，动态规划中最最最重要的两个概念： 
 状态和状态转移方程在这个问题中分别是什么。

我们要怎样去定义状态呢？这个状态总不能是凭空想象或是从天上掉下来的吧。
 为了方便说明，让我们先实例化上面的问题。一般遇到n，你就果断地给n赋予
 一个很小的数， 比如n=3。然后设背包容量C=10，三个宝石的体积为5，4，3，
 对应的价值为20，10，12。 对于这个例子，我想智商大于0的人都知道正解应
 该是把体积为5和3的宝石装到背包里， 此时对应的价值是20+12=32。接下来，
 我们把第三个宝石拿走， 同时背包容量减去第三个宝石的体积（因为它是装入
 背包的宝石之一）， 于是问题的各参数变为：n=2，C=7，体积｛5，4｝，价值
 ｛20，10｝。好了， 现在这个问题的解是什么？我想智商等于0的也解得出了：
 把体积为5的宝石放入背包 （然后剩下体积2，装不下第二个宝石，只能眼睁睁
 看着它溜走），此时价值为20。 这样一来，我们发现，n=3时，放入背包的是0
 号和2号宝石；当n=2时， 我们放入的是0号宝石。这并不是一个偶然，没错， 
 这就是传说中的“全局最优解包含局部最优解”（n=2是n=3情况的一个局部子问题）。
  绕了那么大的圈子，你可能要问，这都哪跟哪啊？说好的状态呢？说好的状态转移
  方程呢？ 别急，它们已经呼之欲出了。

我们再把上面的例子理一下。当n=2时，我们要求的是前2个宝石， 装到体积为7
的背包里能达到的最大价值；当n=3时，我们要求的是前3个宝石， 装到体积为
10的背包里能达到的最大价值。有没有发现它们其实是一个句式！OK， 让我们
形式化地表示一下它们， 定义d(i,j)为前i个宝石装到剩余体积为j的背包里能
达到的最大价值。 那么上面两句话即为：d(2, 7)和d(3, 10)。这样看着真是
爽多了， 而这两个看着很爽的符号就是我们要找的状态了。 即状态d(i,j)表示
前i个宝石装到剩余体积为j的背包里能达到的最大价值。 上面那么多的文字，
用一句话概括就是：根据子问题定义状态！你找到子问题， 状态也就浮出水面了。
而我们最终要求解的最大价值即为d(n, C)：前n个宝石 （0,1,2…,n-1）装入剩
余容量为C的背包中的最大价值。状态好不容易找到了， 状态转移方程呢？
顾名思义，状态转移方程就是描述状态是怎么转移的方程（好废话！）。 
那么回到例子，d(2, 7)和d(3, 10)是怎么转移的？来，我们来说说2号宝石 
（记住宝石编号是从0开始的）。从d(2, 7)到d(3, 10)就隔了这个2号宝石。 
它有两种情况，装或者不装入背包。如果装入，在面对前2个宝石时， 背包
就只剩下体积7来装它们，而相应的要加上2号宝石的价值12，
 d(3, 10)=d(2, 10-3)+12=d(2, 7)+12；如果不装入，体积仍为10，
 价值自然不变了， d(3, 10)=d(2, 10)。记住，d(3, 10)表示的是前
 3个宝石装入到剩余体积为10 的背包里能达到的最大价值，既然是最大价值，
 就有d(3, 10)=max{ d(2, 10), d(2, 7)+12 }。好了，这条方程描述了状态
 d(i, j)的一些关系， 没错，它就是状态转移方程了。把它形式化一下：
 d(i, j)=max{ d(i-1, j), d(i-1,j-V[i-1]) + W[i-1] }。注意讨论前i个
 宝石装入背包的时候， 其实是在考查第i-1个宝石装不装入背包（因为宝石是
 从0开始编号的）。至此， 状态和状态转移方程都已经有了。
 */