动态规划算法-01背包问题

核心思想：将大问题划分成小问题进行解决，从而一步步获取最优解的处理算法
应用场景-01背包问题
背包问题(Knapsack problem)是一种组合优化的NP完全问题。问题可以描述为：给定一组物品，每种物品都有自己的重量和价格，在限定的总重量内，我们如何选择，才能使得物品的总价格最高。

public class KnaspackProblem {
    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
        int m = 4;//背包的容量
        int n = val.length;//物品的个数

        //表示在前i个物品中能装入的容量为j的背包中的最大价值
        int[][] v = new int[n+1][m+1];
        //为了记录物品的情况，定义一个二维数组
        int[][] path = new int[n+1][m+1];

        //初始化第一行和第一列
        for (int i = 0; i < v.length; i++) {
            v[i][0] = 0;
        }
        for (int i = 0; i < v[0].length; i++) {
            v[0][i] = 0;
        }
        //动态规划处理
        for (int i = 1; i < v.length; i++) {
            for (int j = 1; j < v[0].length; j++) {
                //公式
                if (w[i-1] > j) {
                    v[i][j] = v[i-1][j];
                }else {
//                    v[i][j] = Math.max(v[i-1][j],val[i-1]+v[i-1][j-w[i-1 ]]);
                    //为了记录物品存放到背包的情况，我们需要将上面的公式进行修改
                    if (v[i-1][j] < val[i-1]+v[i-1][j-w[i-1 ]]){
                        v[i][j] = val[i-1]+v[i-1][j-w[i-1 ]];
                        path[i][j] = 1;
                    }else {
                        v[i][j] = v[i-1][j];
                    }
                }
            }
        }
        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();
        }
        //输出最终放入背包的物品
        int i = path.length-1;
        int j = path[i].length-1;
        while (i > 0 && j > 0){
            if (path[i][j] == 1){
                System.out.printf("第%d个物品放入背包\n",i);
                j -= w[i-1];
            }
            i--;
        }
    }
}