动态规划算法(Dynamic Programming)-背包问题
1.应用场景-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 |
(1)要求达到的目标为装入的背包的总价值最大,并且重量不超出
(2)要求装入的物品不能重复
(3)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01背包和完全背包(完全背包指的是:每种物品都有无限件可用)此例问题属于01背包,即每个物品最多放一个。而无限背包可以转化为01背包。
2.动态规划算法介绍
(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。
(3)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。 ( 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.
3.思路分析和图解
算法的主要思想,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,设v[i]、w[i]分别为第i个物品的价值和重量,c为背包的总容量。再令v[i][j]表示在前i个物品中能够装入容量为j的背包中的最大价值,则我们会有下面的结果:
(1) v[i][0]=v[0][j]=0; (表示填入表第一行和第一列是0)
(2) 当w[i]> j 时:v[i][j]=v[i-1][j] ;(当准备加入新增的商品的容量大于当前背包的容量时,就直接使用上一个单元格的装入策略)
(3) 当j>=w[i]时: v[i][j]=max{v[i-1][j], v[i]+v[i-1][j-w[i]]}
当准备加入的新增的商品的容量小于等于当前背包的容量时,装入的方式为max{v[i-1][j], v[i]+v[i-1][j-w[i]]},其中:
v[i-1][j]: 就是上一个单元格的装入的最大值
v[i] : 表示当前商品的价值
v[i-1][j-w[i]] : 装入i-1商品,到剩余空间(j-w[i])能够装入商品的最大值
public class KnapsackProblem {
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,即公式里面的v[i]
int m = 4; //背包的容量
int n = val.length; //物品的个数
//表示前i个物品中能够装入容量为j的背包的最大的价值
int v[][] = new int[n + 1][m + 1];
//记录存入背包的商品的情况
int path[][] = new int[n + 1][m + 1];
//初始化第一列,可以不处理因为默认就是0
for (int i = 0; i < v.length; i++) {
v[i][0] = 0;
}
//初始化第一行
for (int i = 0; i < v[0].length; i++) {
v[0][i] = 0;
}
//动态规划处理问题
//不处理第一行,i是从1开始的
for (int i = 1; i < v.length; i++) {
//不处理第一列,j是从1开始的
for (int j = 1; j < v[0].length; j++) { //套公式
//如果准备新增加的商品的容量大于背包的容量,则直接采用上一个单元格的装入策略
if(w[i-1] > j){ //因为i是从1开始的,所以去第一个商品的重量i需要减1
v[i][j] = v[i-1][j];
}else{
//如果准备新增的商品的容量小于等于背包的容量,则尝试将该商品装入背包(val[i-1] + v[i-1][j-w[i-1]] > v[i-1][j]满足即装入)
//如果 (当前商品的价格 + 装入(i-1)商品进剩余的背包空间后最大价值) 大于 (上一个单元格装入策略的价值),则将采用新的策略
// v[i][j] = Math.max(v[i-1][j], val[i-1] + v[i-1][j-w[i-1]]);
//将装入商品的情况记录到path
if(val[i-1] + v[i-1][j-w[i-1]] > v[i-1][j]){
v[i][j] = val[i-1] + v[i-1][j-w[i-1]];
//如果该新增商品i装入容量为j的背包,则将path[i][j]置为1
path[i][j] = 1;
}else {
v[i][j] = v[i-1][j];
}
}
}
}
//输出装入情况的表格
System.out.println("装入背包情况的表格:");
for (int i = 0; i < v.length; i++) {
for (int j = 0; j < v[0].length; j++) {
System.out.print(v[i][j] + " ");
}
System.out.println();
}
//输出放入的商品
//行的最大下标
int i = path.length - 1;
//列的最大下标
int j = path[0].length - 1;
System.out.println("容量为" + m + "的背包装入价值最大的商品的情况是:");
while (i > 0 && j > 0){
if(path[i][j] == 1){
//输出当前商品
System.out.println("第" + i +"个商品放入背包");
//此时去寻找背包容量为 j - (刚刚输出的商品的重量)
j = j - w[i -1];
}
i--;
}
}
}
- 结果: