韩顺平 数据结构与算法 （算法_3）动态规划算法

动态规划算法

1. 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，其基本思想都是“分而治之”，先求解子问题，然后将这些子问题的解合并变成原问题的解
3. 与分治算法不同的是：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）
4. 动态规划可以通过填表的方式来逐步推进，得到最优解。

2. 动态规划算法实践—背包问题

**背包问题：**有一个背包，容量为4磅，现有如下物品

物品	重量	价格
吉他（G）	1	1500
音响（S）	4	3000
电脑（L）	3	2000

• 要求
  • 达到的目标为装入背包的总价值最大，并且重量不超出
  • 装入的物品不能重复

3. 思路+图解

• 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
  为01背包和完全背包 (完全背包：每种物品有无限件可以使用)
• 这里的问题属于01背包，也就是每个物品最多放一个。
• 无限背包可以转换成01背包

算法主要思想：

利用动态规划来解决；

每次遍历到的第i个物品，根据w[i]和v[i]来确定是否需要将该物品放入背包中；

即对于给定的n个物品中，设v[i]、w[i]分别为第i个物品的价值和重量；

C为背包的容量；

令v[i] [j] 表示在前i个物品中能够装入容量为i的背包的最大价值。

• v[i] [0] = v[0] [j] = 0 **//**表示第一行第一列为0

• 当w[i] >j 时：v[i] [j] = v[i-1] [j] **//**如果i物品重量大于最大重量j，则使用上一个物品i-1的价值作为最大价值

• 当w[i] <j 时：v[i] [j] = max {v[i-1] [j], v [i-1] [j-w[i]] +v[i]}

  //如果i物品的重量小于最大重量j，则从上一个物品i-1的价值和自身价值+上一个物品i-1中除去i物品的重量所包含的物品的价值中找到最大值

• 表格表示

  物品	0磅	1磅	2磅	3磅	4磅
  	0	0	0	0	0
  吉他（G）	0	1500(G)	1500(G)	1500(G)	1500(G)
  音响（S）	0	1500(G)	1500(G)	1500(G)	3000(S)
  电脑（L）	0	1500(G)	1500(G)	2000(L)	2000(L)+ 1500(G)

代码实现

package Algorithm.dynamic;

public class KnaosackProblem {
    public static void main(String[] args) {
        int[] w = {1, 4, 3};//物品的重量
        int[] val = {1500, 3000, 2000};//物品的价值
        int m = 4;//背包的容量
        int n = val.length;//物品的个数

        //创建二位数组
        int[][] v = new int[n + 1][m + 1];
        //为了记录放入商品的情况，我们定义一个二维数组
        int[][] path = new int[n + 1][m + 1];

        //初始化第一行和第一列
        for (int i = 0; i < v.length; i++) {
            v[i][0] = 0;//第一列设置为零
        }
        for (int i = 0; i < v[0].length; i++) {
            v[0][i] = 0;//第一行设置为零
        }

        //根据公式来动态规划处理
        for (int i = 1; i < v.length; i++) {
            for (int j = 1; j < v[0].length; j++) {
                //公式
                if (w[i - 1] > j) {
                    v[i][j] = v[i - 1][j];
                } else {
                    //v[i][j] = Math.max(v[i - 1][j], val[i - 1] + v[i - 1][j - w[i - 1]]);
                    //为了记录商品存放到背包的情况
                    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]];
                        //把当前结果记录在path中
                        path[i][j] = 1;
                    } else {
                        v[i][j] = v[i - 1][j];
                    }
                }
            }
        }
        //输出
        for (int i = 0; i < v.length; i++) {
            for (int j = 0; j < v[i].length; j++) {
                System.out.print(v[i][j] + " ");
            }
            System.out.println();
        }
        System.out.println("==================");

        //遍历
        int i = path.length - 1;
        int j = path[0].length - 1;
        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--;
        }
    }
}