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,