介绍
动态规划:是求解决策过程最优化的数学方法,它是把多阶段过程转化为一系列单阶段问题,利用各阶段之间的关系,逐个求解。
动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中,可能会有许多可行解。每一个解都对应于一个值,我们希望找到具有最优值的解。动态规划算法与分治法类似,其基本思想也是将待求解问题分解成若干个子问题,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,适合于用动态规划求解的问题,经分解得到子问题往往不是互相独立的。若用分治法来解这类问题,则分解得到的子问题数目太多,有些子问题被重复计算了很多次。如果我们能够保存已解决的子问题的答案,而在需要时再找出已求得的答案,这样就可以避免大量的重复计算,节省时间。我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到,只要它被计算过,就将其结果填入表中。这就是动态规划法的基本思路。具体的动态规划算法多种多样,但它们具有相同的填表格式。
代码
#include "pch.h"
// ConsoleApplication2.cpp : 定义控制台应用程序的入口点。
//
#include <malloc.h>
#include<iostream>
using namespace std;
//int** knapsackDP(int n, int W, int* Weights, int* Values)
void knapsackDP(int n,int W,int Weights[],int Values[])
{
int i, w;
int** c = (int**)malloc(sizeof(int*) * (n + 1));
for (i = 0; i <= n; i++)
c[i] = (int*)malloc(sizeof(int) * (W + 1));
for (w = 0; w <= W; w++)
{
c[0][w] = 0;
}
for (i = 1; i <= n; i++)
{
c[i][0] = 0;
for (w = 1; w <= W; w++)
{
if (Weights[i - 1] <= w) //如果背包剩余重量大于物品重量
{
if (Values[i - 1] + c[i - 1][w - Weights[i - 1]] > c[i - 1][w])
{ //重量为w的背包中放入该物品
c[i][w] = Values[i - 1] + c[i - 1][w - Weights[i - 1]];
printf("%d\t ", c[i][w]);
}
else
{ //重量为w的背包中不放入该物品
c[i][w] = c[i - 1][w];
printf("%d\t ", c[i][w]);
}
}
else {
c[i][w] = c[i - 1][w];
printf("%d\t ", c[i][w]);
}
}
cout << endl;
//return c;
}
}
void main()
{
int Weights[5] = { 3,4,7,8,9 };
int Values[5] = { 4,5,10,11,13 };
knapsackDP(5, 17, Weights, Values);
}
输出结果: