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.
应用场景-背包问题
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
代码实现:
package com.dynamic;
import java.util.Arrays;
public class PackageProblem {
public static void main(String[] args) {
int[] w = {1,4,3};//表示重量
int[] val = {1500,3000,2000};//表示价值
int m = 4;//背包最大值
int n = val.length;//物品个数
int[][] v = new int[n+1][m+1];//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[][] path = new int[n+1][m+1];//记录放入背包的物品
for (int i = 1; i < v.length; i++) {
for (int j = 1; j < v[0].length; j++) {
//如果当前物品的重量大于背包的容量,则直接使用上一个单元格的装入策略
if(w[i-1] > j){
v[i][j] = v[i-1][j];
}else {//当背包的容量大于当前装入物品的重量
//拿上一单元格价值与 装入当前物品相价值+剩余空间可装入价值比较
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]];
path[i][j] = 1;
}else{
v[i][j] = v[i-1][j];
}
}
}
}
//输出商品的价值情况
for (int[] i:v) {
System.out.println(Arrays.toString(i));
}
//输出商品的装入情况
int i = path.length - 1; //行的最大下标
int j = path[0].length - 1; //列的最大下标
//从path的最后开始找
while(i > 0 && j > 0 ) {
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--;
}
}
}