典型的动态规划问题
5座金矿,每一座金矿的黄金储量不同,需要参与挖掘的工人人数也不同,如果参与挖矿的工人的总数是10,每座金矿要么全挖,要么不挖,不能派出一般人挖取一半的金矿,要想得到尽可能多的黄金,应该挖取哪几座金矿?
200kg黄金/3人 300kg黄金/4人 400kg黄金/5人 500kg黄金/5人 350kg黄金/3人
如果最后一个金矿不被挖掘,就变10个人再前四个金矿做出最优选择,假设最后一个金矿一定会被挖掘,问题就转化成7个工人再前四个金矿中做出最优解。这两种简化的情况,被称为全局问题的两个最优子结构。然后按照同样的道理,再往下就变成4种,.......一份二,二分四,一直把问题简化成再0个金矿或者0个工人时的最优解,这个收益就是0,也就是问题的边界。
金矿数量设为n,工人数量w,金矿含量为数组g[],金矿所需开采人数为数组p[]
状态转移方程式如下
F(n,w)= 0(n = 0或w = 0)
问题边界,金矿数为0或者工人数为0的情况
F(n,w) = F(n-1,w)(n≥1,w<p[n-1])
所剩工人不够挖掘当前金矿时,只有一种最优子结构
F(n,w) = max(F(n-1,w),F(n-1,w-p[n-1])+g[n-1])(n≥1,w≥p[n-1])
然后就可以用递归解决
/**
* 获得金矿最优收益
* @param w 工人数量
* @param n 可选金矿数量
* @param p 金矿开采所需人员数量
* @param g 金矿储量
* @return
*/
public static int getBestGoldMining(int w,int n,int[] p,int[] g){
if (w==0||n==0){
return 0;
}
if (w<p[n-1]){
return getBestGoldMining(w,n-1,p,g);
}
return Math.max(getBestGoldMining(w,n-1,p,g),getBestGoldMining(w-p[n-1],n-1,p,g)+g[n-1]);
}
时间复杂度是2的n次方,递归做了许多重复的计算,为了避免重复调用,
说到动态规划的另一个核心要点:自底向上求解
填表.....在程序种使用二维数组来代表所填写的表格
/**
* 获得金矿最优收益
* @param w 工人数量
* @param p 金矿开采所需人员数量
* @param g 金矿储量
* @return
*/
public static int getBestGoldMiningV2(int w,int[] p,int[] g){
//创建表格
int[][] resultTable = new int[g.length+1][w+1];
//填充表格
for (int i = 1; i <= g.length; i++) {
for (int j = 1; j <=w; j++) {
if (j<p[i-1]){
resultTable[i][j] = resultTable[i-1][j];
}else {
resultTable[i][j] = Math.max( resultTable[i-1][j], resultTable[i-1][j-p[i-1]]+g[i-1]);
}
}
}
//返回最后一个格子的值
return resultTable[g.length][w];
}
空间优化
//空间优化
public static int getBestGoldMiningV3(int w,int[] p,int[] g){
//创建当前结果
int[] results = new int[w+1];
//填充一维数组
for (int i = 1; i <= g.length; i++) {
for (int j = w; j >=1; j--) {
if (j>=p[i-1]){
results[j] = Math.max(results[j],results[j-p[i-1]]+g[i-1]);
}
}
}
//返回最后一个格子的值
return results[w];
}