动态规划 自学笔记 跟学韩顺平老师

应用场景-背包问题

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

背包问题思路分析

import org.junit.Test;

/**
 * @author wty
 * @date 2022/11/2 9:46
 * 动态规划实现背包问题
 */
public class EX01 {
    @Test
    public void EX01Test(){
        // 物品重量
        int []w = {1,4,3};

        // 物品的价值
        int []value = {1500,3000,2000};

        // 背包容量
        int C = 4;

        // 物品的个数
        int count = w.length;

        // 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的背包中价值的最大值
        int [][]v = new int[count+1][C+1];

        // 定义一个数组记录商品存放情况
        int path[][] = new int[count+1][C+1];

        // 初始化第一行和第一列,数组可以省略
        // 初始化列
        for (int i = 0; i < v.length; i++) {
            v[i][0] = 0;
        }
        // 初始化行
        for (int j = 0; j < v[0].length; j++) {
            v[0][j] = 0;
        }

        System.out.println("====动态规划前====");
        for (int i = 0; i < v.length; i++) {
            for (int j = 0; j < v[i].length; j++) {
                System.out.print(v[i][j] + "\t");
            }
            System.out.println();
        }

        // 根据公式动态规划处理
        for (int i = 1; i < v.length; i++) {
            for (int j = 1; j < v[i].length; j++) {
                // 程序从1开始
                if (j < w[i-1]){
                    v[i][j] = v[i-1][j];
                }else {
                    // 这里value[i-1]要注意从1开始的 [j-w[i-1]]同理
                    //v[i][j] = Math.max(v[i][j],value[i-1] + v[i-1][j-w[i-1]]);
                    // 为了记录商品存放背包的关系要用if和else实现
                    if (v[i][j] < value[i-1] + v[i-1][j-w[i-1]]){
                        v [i][j] = value[i-1] + v[i-1][j-w[i-1]];
                        // 记录当前的情况
                        path[i][j] = 1;
                    }else{
                        v [i][j] = v[i][j];
                    }

                }
            }
        }

        System.out.println("====动态规划后====");
        for (int i = 0; i < v.length; i++) {
            for (int j = 0; j < v[i].length; j++) {
                System.out.print(v[i][j] + "\t");
            }
            System.out.println();
        }
        System.out.println("====path数组====");
        for (int i = 0; i < path.length; i++) {
            for (int j = 0; j < path[i].length; j++) {
                System.out.print(path[i][j] + "\t");
            }
            System.out.println();
        }
        /**
         * path数组,如果放入新物品就置为1
         * 0	0	0	0	0
         * 0	1	1	1	1
         * 0	0	0	0	1
         * 0	0	0	1	1
         */

        // 行数
        int i = path.length -1;
        // 列数
        int j = path[0].length -1;
        System.out.println(i);
        System.out.println(j);

        while (i>0 && j >0){
            if (path[i][j] == 1){
                System.out.println("第"+i+"次，放入背包");

                j = j-w[i-1];
            }
            --i;
        }


    }
}

LeetCode 买卖股票的最佳时机 II

买卖股票的最佳时机 II
给你一个整数数组 prices ，其中 prices[i] 表示某支股票第 i 天的价格。

在每一天，你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买，然后在 同一天 出售。

返回 你能获得的 最大 利润 。

示例 1：

输入：prices = [7,1,5,3,6,4]
输出：7

解释：在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。
随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能获得利润 = 6 - 3 = 3 。
总利润为 4 + 3 = 7 。
示例 2：

输入：prices = [1,2,3,4,5]
输出：4

解释：在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。
总利润为 4 。
示例 3：

输入：prices = [7,6,4,3,1]
输出：0

解释：在这种情况下, 交易无法获得正利润，所以不参与交易可以获得最大利润，最大利润为 0 。

提示：
1 <= prices.length <= 3 * 104
0 <= prices[i] <= 104

代码示例:
方法一:算取相邻2天差值，如果有利润就相加求和

public class Day02 {
    @Test
    public void Day02Test(){
        int array[] = {7,1,5,3,6,4};
        //int array[] = {1,2,3,4,5};
        //int array[] = {7,6,4,3,1};
        //int num = new Solution02().maxProfit(array);
        int num = new Solution02().maxProfit02(array);
        System.out.println(num);
    }
}

class Solution02 {
    public int maxProfit(int[] prices) {
        int lr = 0;
        int size = prices.length;
        for (int right = 1; right < size; right++) {
            lr = lr + Math.max(0,prices[right] - prices[right - 1]);
        }

        return lr;
    }
}

方法二:动态规划

public class Day02 {
    @Test
    public void Day02Test(){
        int array[] = {7,1,5,3,6,4};
        //int array[] = {1,2,3,4,5};
        //int array[] = {7,6,4,3,1};
        //int num = new Solution02().maxProfit(array);
        int num = new Solution02().maxProfit02(array);
        System.out.println(num);
    }
}

class Solution02 {
    public int maxProfit02(int[] prices) {
        // 总天数
        int size = prices.length;

        if (size < 2){
            return 0;
        }

        // 初始化条件
        int dp[][] = new int[size][2];

        // 开始第一天就有股票
        dp[0][1] = -prices[0];
        // 开始第一天手上没有股票
       dp[0][0] = 0;

        for (int i = 1; i < size; i++) {
            // 第i天没有股票
            dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1]+prices[i]);
            // 第i天有股票
            dp[i][1] = Math.max(dp[i-1][1],dp[i-1][0]-prices[i]);
        }
        return dp[size-1][0];
    }
}