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,其基本思想都是将待求解问题分成若干个子问题,先求解子问题,然后从这些子问题的解得到原问题的解。
- 与分治法不同的是,适合用于动态规划求解的问题,经分解得到子问题往往不是相互独立的。(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
动态规划算法的最佳实践-01背包问题
- 背包问题主要是指一个给定容量的背包、若干具有一定价值和重量的物品,如何选择物品放入背包使物品的价值最大,其中又分01背包和完全背包(完全背包指的是:每种物品都可以无限件可取)
- 这里的例子属于01背包,即每个物品最多取一个,而无限背包可以转化为01背包
- 算法的主要思想。每次遍历到第i个物品,根据w[i]和v[i]来确定是否需要将物品放入背包中。对于给定的n个物品,我们设v[i]、w[i]分别为第i个物品的价值和重量,再令v[i][j]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。则我们有如下结果:
- v[i][0]=v[0][j]=0
- 当w[i]>j时,v[i][j]=v[i-1][j],即当准备装入的商品的重量大于当前背包的容量时,就直接使用上一个单元格的装入策略。
- 当j>=w[i]时,v[i][j]=max(v[i-1][j],v[i]+v[i-1][j-w[i]]),即当准备装入的商品的重量小于等于当前背包的容量,装入的策略:
v[i-1][j]表示上一个单元格装入的最大值
v[i]表示当前商品价值
v[i-1][j-w[i]]表示装入i-1商品,到剩余空间为j-w[i]时的最大值
举例子
1.商品为空时,背包容量无论是0磅还是4磅,价值最大值都为0
2. 商品只有吉他时,只要背包容量大于等于吉他重量,就可以放入吉他
3. 商品有吉他和音响时,当新增商品重量大于背包容量,使用上一个单元格的装入策略,等于4磅时,v[i][j]=max(v[i-1][j],v[i]+v[i-1][j-w[i]]),v[i-1][j]即上一行的最大值,v[i]+v[i-1][j-w[i]]即当前商品的价值加上v[i-1][0](这个值为0)的总价值,
4. 3个商品都有时,当背包容量为3磅时,v[i][j]=max(v[i-1][j],v[i]+v[i-1][j-w[i]]),v[i-1][j]为只装入吉他的价值,v[i]+v[i-1][j-w[i]]为音响的价值+上一行背包容量为0时的价值
5. 当背包容量为4磅时,v[i][j]=max(v[i-1][j],v[i]+v[i-1][j-w[i]]),v[i-1][j]为上一行只装入音响的价值,v[i]+v[i-1][j-w[i]]为电脑价值+上一行背包容量只剩下1磅时的价值。
6. 最后一个空格,不用公式解释,就是,当我背包容量为4磅的时候,我取了电脑,剩下的容量就只能装吉他,我取了音响,背包的容量就满了,此时比较这两者之间的价值大小
代码实践
public static void dp(int[] w, int[] v, int bagSize){
//商品的个数
int n = w.length;
//创建二维数组,默认值是0,所以可以不去处理第一行和第一列
int[][] table = new int[n+1][bagSize+1];
for(int i=1;i<table.length;i++){
for(int j=1;j<table[0].length;j++){
/**
* 按照公式写代码
* 因为我们程序i是从1开始的,原来公式中w[i]修改成w[i-1]
* 同时公司修改成
* v[i][j]=Math.max(v[i-1][j],v[i]+v[i-1][j-w[i-1]]
*/
if(w[i-1]>j){
table[i][j]=table[i-1][j];
}else{
table[i][j]=Math.max(table[i-1][j],v[i-1]+table[i-1][j-w[i-1]]);
}
}
}
for(int[] nums:table){
for(int num:nums){
System.out.print(num+"\t");
}
System.out.println();
}
}
public static void main(String[] args) {
int[] w = {1, 4, 3};
int[] v = {1500, 3000, 2000};
int bagSize = 4;
dp(w, v, bagSize);
}
习题实践
-
给定一个整数数组 nums ,找到一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。
-
示例:
输入: [-2,1,-3,4,-1,2,1,-5,4],
输出: 6
解释: 连续子数组 [4,-1,2,1] 的和最大,为 6。
public int maxSubArray(int[] nums) {
int len = nums.length;
int[] dp = new int[len];
int max = Integer.MIN_VALUE;
dp[0] = nums[0];
max = max>dp[0]?max:dp[0];
for(int i=1;i<len;i++){
if(dp[i-1]+nums[i]<nums[i]){
dp[i]=nums[i];
}else {
dp[i] = dp[i-1]+nums[i];
}
max = max>dp[i]?max:dp[i];
}
return max;
}