编程中十大常用算法：（三）动态规划算法

理论介绍

动态规划（Dynamic Programming, DP）算法的核心思想为：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。
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。与分治算法不同的是，适合于用动态规划求解的问题，经分解得到的子问题往往不是相互独立的（即下一子阶段的求解是建立在上一子阶段的解的基础之上，进行进一步的求解）。动态规划算法可以通过填表的方式来逐步推进，得到最优解。

实际问题：背包问题

问题：有一个背包，容量为4，现有如下物品

要求：
（1）要求达到的目标为装入背包的总价值最大，并且重量不能超出容量；
（2）要求装入的物品不能重复。

分析：
（1）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得物品的价值最大。背包问题又可分为：01背包和完全背包（完全背包是指每种物品都有无限件可用）。
（2）上述问题属于01背包，即每件物品最多放一个。
（3）动态规划算法解决此类问题的主要思想为：每次遍历到第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，设置v[i]、w[i]分别表示第i个物品的价值和重量，C为背包的容量；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。伪代码如下：
1） v[i][0]=v[0][j]=0; //表示填入表的第一行和第一列是0
2）当w[j]>j时，v[i][j]=v[i-1][j] //当准备加入新增的物品的容量大于当前背包的容量时，就直接使用上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]]} //当准备加入的新增物品的容量小于等于当前背包的容量

代码实现（Java）

package com.zq.dp;

 

public class DP_01 {

  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 c=4;//背包的容量

     int n=val.length;//物品的个数

     

     int[][] v=new int[n+1][c+1];//表示前i个物品中能够装入容量为j的背包中的最大价值

     //初始化第一行和第一列为0

     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;

     }

     

     //DP算法解决01背包问题

     for(int i=1;i<v.length;i++) {

       for(int j=1;j<v[0].length;j++) {

          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]]);

          }

       }

     }

     System.out.print("最大价值为："+v[n][c]);

     

  }

}

 

结果