DP-01背包问题

1、动态规划（DP）

　　动态规划（Dynamic Programming，DP）与分治区别在于划分的子问题是有重叠的，解过程中对于重叠的部分只要求解一次，记录下结果，其他子问题直接使用即可，减少了重复计算过程。 
　　另外，DP在求解一个问题最优解的时候，不是固定的计算合并某些子问题的解，而是根据各子问题的解的情况选择其中最优的。 
　　动态规划求解具有以下的性质： 
　　最优子结构性质、子问题重叠性质　　 
　　最优子结构性质：最优解包含了其子问题的最优解，不是合并所有子问题的解，而是找最优的一条解线路，选择部分子最优解来达到最终的最优解。 
　　子问题重叠性质：先计算子问题的解，再由子问题的解去构造问题的解（由于子问题存在重叠，把子问题解记录下来为下一步使用，这样就直接可以从备忘录中读取）。其中备忘录中先记录初始状态。

2、求解思路

　　①、将原问题分解为子问题（子问题和原问题形式相同，且子问题解求出就会被保存）； 
　　②、确定状态：01背包中一个状态就是NN个物体中第ii个是否放入体积为VV背包中； 
　　③、确定一些初始状态（边界状态）的值； 
　　④、确定状态转移方程，如何从一个或多个已知状态求出另一个未知状态的值。（递推型）

3、01背包问题求解思路

　　①、确认子问题和状态 
　　01背包问题需要求解的就是，为了体积V的背包中物体总价值最大化，NN件物品中第ii件应该放入背包中吗？（其中每个物品最多只能放一件） 
　　为此，我们定义一个二维数组，其中每个元素代表一个状态，即前ii个物体中若干个放入体积为VV背包中最大价值。数组为：f[N][V]f[N][V]，其中fijfij表示前ii件中若干个物品放入体积为jj的背包中的最大价值。 
　　②、初始状态 
　　初始状态为f[0][0−V]f[0][0−V]和f[0−N][0]f[0−N][0]都为0，前者表示前0个物品（也就是空物品）无论装入多大的包中总价值都为0，后者表示体积为0的背包啥价值的物品都装不进去。 
　　③、转移函数

if (背包体积j小于物品i的体积)
    f[i][j] = f[i-1][j] //背包装不下第i个物体，目前只能靠前i-1个物体装包
else
    f[i][j] = max(f[i-1][j], f[i-1][j-Vi] + Wi)

　　最后一句的意思就是根据“为了体积V的背包中物体总价值最大化，NN件物品中第ii件应该放入背包中吗？”转化而来的。ViVi表示第ii件物体的体积，WiWi表示第i

i件物品的价值。这样f[i-1][j]代表的就是不将这件物品放入背包，而f[i-1][j-Vi] + Wi则是代表将第i件放入背包之后的总价值，比较两者的价值，得出最大的价值存入现在的背包之中。

以上解题思路参照：http://blog.csdn.net/FX677588/article/details/68951593

 

4、程序

 

import java.util.*;

/*
 * 6个背包，共放入12重量的物品
 */
public class test {
	static int[][] m = new int[15][15];

	public static void main(String[] args) {
		int[] val = { 0, 8, 10, 6, 3, 7, 2 };// 每个物品具有的价值
		int[] wgt = { 0, 4, 6, 2, 2, 5, 1 }; // 每个物品的重量
		int n = 6, c = 12;
		for (int i = 1; i <= n; i++) {
			for (int j = 1; j <= c; j++) {
				if (j >= wgt[i]) {
					m[i][j] = Math.max(m[i - 1][j], m[i - 1][j - wgt[i]] + val[i]);
				} else
					m[i][j] = m[i - 1][j];
			}
		}
		int max = 0;
		for (int i = 1; i <= n; i++) {
			for (int j = 1; j <= c; j++) {
				if (m[i][j] > max) {
					max = m[i][j];
				}
			}
		}
		System.out.print(max);
	}
}