动态规划算法-从01背包问题谈起

01背包问题

问题描述

给定n中物品和一个背包，物品 i 的重量为 Wi ,价值为 vi，背包的容量为c。问如何选择背包里的物品，可以使得装下的物品价值最大？
参考文章

关键信息：
一组物品，包含重量和价值；
一个限定，总重量不超过包的大小
期望：在限定条件下，达到最大价值

算法

• 理论上可以通过暴力穷举的方式，穷举依次选定i 件物品，i-1件物品，… 1件物品的情况下，穷举组合的可能性，然后计算不超过总限定条件下的最优解，但该种算法的时间复杂度为O(2^n)。下面讨论的是通过动态规划的方式来解决此类问题。
• 动态规划的思路是先解决小问题，再逐步解决大问题。
• 假定有可以装1、2、3、…、C的背包，有序号为1、2、3、…、i的商品。对于任意一个重量 j 的背包，从i 件商品中选择出的最大价值，对于第i件商品有选择和不选择两种可能性： ① 不选择的情况下，其价值为i-1件商品中装进 j重量的背包的最大值；② 选择的情况下，价值为为当前商品价值vi，加上背包减去当前商品重量后（空余位置,空余位置为负数，则装不下当前物品），可以装下i-1件商品的最大值，即vi + cell(i-1, j-wi)。在这两种情况下取最大值，即为当前cell(i, j)的最大值
  即递推公式为：**cell(i, j) = max(cell(i-1, j), vi+ cell(i-1, j- wi)) **
  
  
• 代码实现上，可以考虑定义二维数组，保存上述的商品i,背包j的情况下的最大值，二维数组的右下角的值即为最优解。
• 算法优化，可以考虑用一维数组解决。参考文章

代码实现

    /**
     * 动态规划解决01背包问题
     */
    private static void dongTaiGuiHua01() {
        int[] v = new int[] {1500, 3000, 2000}; // 商品价格
        int[] w = new int[]{1, 4, 3}; // 商品重量
        int n = 3; //商品数量
        int c = 4; //背包容量
        // 动态规划的二维数组,默认值为0
        int[][] cell = new int[n+1][c];
        //动态规划计算，递推公式：cell(i, j) = max(cell(i-1, j), vi+ cell(i-1, j- wi))
        for(int i = 1; i <= n; i++) {
            for(int j= 0; j < c; j++) {
                int noSelectThis = cell[i-1][j];
                int selectThis = 0;
                if( j+1 > w[i-1]) {
                    selectThis = cell[i-1][j-w[i-1]] + v[i-1];
                } else if ( j+1 == w[i-1]){
                    selectThis = v[i-1];
                }
                if(selectThis > noSelectThis) {
                    cell[i][j] = selectThis;
                } else {
                    cell[i][j] = noSelectThis;
                }
            }
        }
        System.out.println(cell[n][c-1]);
    }

其他变种的背包问题

参考文章
参考文章
对于01背包，一系列商品有价值和重量两个属性，在限定重量的前提下，求最大价值。此时对于第i个商品，有选和不选两种可能性。
对于其他背包问题，对于第i个物品不再是选不选两种可能性，而是考虑可以选择多少个的情况下最优，选择当前商品的各种情况（数量或者组内的品种）下，再加上背包剩余空间的最优解，得到一组最优解，取这组最优解的最大值即为当前当前商品或当前组i,背包大小为j时的最优值，递推公式如下：
完全背包：F[i,v] = max{F[i − 1,v − kC i ] + kW i | 0 ≤ k*C i ≤ v}
多重背包：F[i v] = max{F[i − 1,v − k ∗ C i ] + k ∗ W i | 0 ≤ k ≤ M i }
01背包可以认为时上面的特殊情况：k只能取0或1
分组背包，每一组可以认为是一类商品，递推公式为选择这一组商品中的所有可能性的最大值。

动态规划

动态规划一般用来求解最优解问题，通过求解子问题，而逐步迭代出最终问题的结果。递推公式
参考文章