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--;
}
}
}