动态规划的基本思想:
将一个问题分解为子问题递归求解,且将中间结果保存以避免重复计算。通常用来求最优解,且最优解的局部也是最优的。求解过程产生多个决策序列,下一步总是依赖上一步的结果,自底向上的求解。
动态规划算法可分解成从先到后的4个步骤:
1. 描述一个最优解的结构,寻找子问题,对问题进行划分。
2. 定义状态。往往将和子问题相关的各个变量的一组取值定义为一个状态。某个状态的值就是这个子问题的解(若有k个变量,一般用K维的数组存储各个状态下的解,并可根 据这个数组记录打印求解过程。)。
3. 找出状态转移方程。一般是从一个状态到另一个状态时变量值改变。
4.以“自底向上”的方式计算最优解的值。
5. 从已计算的信息中构建出最优解的路径。(最优解是问题达到最优值的一组解)
其中步骤1~4是动态规划求解问题的基础,如果题目只要求最优解的值,则步骤5可以省略。
背包问题
01背包: 有N件物品和一个重量为M的背包,(每种物品均只有一件),第i件物品的重量是w[i],价值是p[i]。求解将哪些物品装入背包可使价值总和最大。
完全背包: 有N种物品和一个重量为M的背包,(每种物品都有无限件可用)。第i种物品的重量是w[i],价值是p[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包重量,且价值总和最大。
多重背包: 有N种物品和一个重量为M的背包,(第i种物品最多有n[i]件可用),每件重量是w[i],价值是p[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包重量,且价值总和最大。
01背包问题:
这是最基础的背包问题,特点是:每种物品仅有一件,可以选择放或不放。
用子问题定义状态:即c[i][v]表示前i件物品恰放入一个重量为m的背包(背包最多盛m重的物体)可以获得的最大价值。则其状态转移方程便是:
c[i][m] = max{ c[i-1][m] , c[i-1][m-w[i] ]+p[i] }
这个方程非常重要,基本上所有跟背包相关的问题的方程都是由它衍生出来的。所以有必要将它详细解释一下:“将前i件物品放入重量为m的背包中”这个子问题,若只考虑第i件物品的策略(放或不放),那么就可以转化为一个只牵扯前i-1件物品的问题。如果不放第i件物品,那么问题就转化为“前i-1件物品放入容量为v的背包中”,价值为c[i-1][m];如果放第i件物品,那么问题就转化为“前i-1件物品放入剩下的重量为m-w[i]的背包中”,此时能获得的最大价值就是c[i-1][m-w[i]]再加上通过放入第i件物品获得的价值p[i]。
下面是给出的一个01问题的实现,代码加了很多注释,给出的测试数据为:
n = 3 //3件物品
m = 10 //背包可盛重量为10
w[ ] = {3,4,5} //重量向量
p[ ] = {4,5,6} //价值向量
首先从底向上计算n*m的价值矩阵,其次从顶向下计算最优解。
package com.test;
public class Pack01 {
public int [][] pack(int n,int m,int w[],int p[]){ 重量为m的背包是指盛的重量最多为m
//c[i][v]表示前i件物品恰放入一个重量为m的背包可以获得的最大价值 二维数组的第二个下标是重量限制
int c[][]= new int[n+1][m+1];
for(int i = 0;i<n+1;i++) 初始化二维数组的部分值,重量限制为0时,价值为0
c[i][0]=0;
for(int j = 0;j<m+1;j++) 当放入前0件物品时,价值为0
c[0][j]=0;
for(int i = 1;i<n+1;i++){
for(int j = 1;j<m+1;j++){
//当物品为i件,重量为j时(是说重量限制为j),如果第i件的重量(w[i-1])小于重量j时(第i件的重量小于j说明可以放入),c[i][j]为下列两种情况之一:
//(1)物品i不放入背包中,所以c[i][j]为c[i-1][j]的值 。。不放i,有可能剩余的重量不够i,需要将其它物品拿出。
//(2)物品i放入背包中,则背包剩余重量为j-w[i-1],所以c[i][j]为c[i-1][j-w[i-1]]的值加上当前物品i的价值
if(w[i-1]<=j){ 表示可以放进去
if(c[i-1][j]<(c[i-1][j-w[i-1]]+p[i-1]))
c[i][j] = c[i-1][j-w[i-1]]+p[i-1];
else
c[i][j] = c[i-1][j];
}else{ 没办法,其余的都拿出来也装不下
c[i][j] = c[i-1][j];
}
}
}
return c;
}
/**
* 逆推法求出最优解
*/
public int[] printPack(int c[][],int w[],int m,int n){
int x[] = new int[n]; 状态数组,1表示放入,0表示不放
//从最后一个状态记录c[n][m]开始逆推
for(int i = n;i>0;i--){
//如果c[i][m]大于c[i-1][m],说明c[i][m]这个最优值中包含了w[i-1](注意这里是i-1,因为c数组长度是n+1)
如果c[i][m]大于c[i-1][m]表明在重量限制为m时,放入第i件物品比不放入第i件物品时获得的价值大
if(c[i][m]>c[i-1][m]){
x[i-1] = 1; 将第i件放入
m -= w[i-1]; 减小可用重量
}
}
for(int j = 0;j<n;j++){
System.out.println(x[j]);
}
return x;
}
public static void main(String args[]){
int n = 3; n表示物品的数量
int m = 10; m表示背包能盛的最大重量
int w[]={3,4,5}; w[i]指第i+1件物品的重量,三个元素表示一共有3件物品
int p[]={4,5,6}; p[i]指第i+1件物品的价值
Pack01 pack = new Pack01();
int c[][] = pack.pack(n, m, w, p); 有了上述四个变量就可以求出二维矩阵
pack.printPack(c, w, m,n);
}
}
原文地址:http://blog.csdn.net/fg2006/article/details/6766384