【算法】 动态规划算法

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

思想

动态规划的核心思想是把原来的问题分解成子问题进行求解，也就是分治的思想。但是与分治法不同的地方在于，分治法在子问题和子子问题上被重复计算了很多次，而动态规划则具有记忆性，通过填写表把所有已经解决的子问题答案纪录下来，在新问题里需要用到的子问题可以直接提取，避免了重复计算，从而节约了时间。

思路

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)，上面这套题指出装入的物品不能重复，属于01背包。

设w[i]为第i个商品的重量，v[i]为第i个商品的价值，C为背包的容量，物品的总个数为n。每次遍历到的第i个物品，根据w[i]和v[i]来确定是否应该将物品放入到背包当中。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。

填表过程

假设存在背包容量大小分为1，2，3，4的各种容量的背包(分配容量的规则为最小重量的整数倍)：

物品	0 磅	1磅	2磅	3磅	4磅
	0	0	0	0	0
吉他(G)	0	1500(G)	1500(G)	1500(G)	1500(G)
音响(S)	0	1500(G)	1500(G)	1500(G)	3000(S)
电脑(L)	0	1500(G)	1500(G)	2000(L)	3500(LG)

1.第一行是什么商品都没有，因此不管背包的容量有多大，价值都为0。第一列全为0的原因是如果背包的容量是0的话，那么背包里面就装不下任何的东西。

2.假如现在只有吉他，这时不管背包容量多大，只能放入一把吉他。这样第二行就可以都填入1500。

3.假如有吉他和音箱，背包小于4磅是放不下音箱的，所以前3个只能只放吉他，背包容量是4时只放音箱的价值最大。

4.电脑的重量是3，那么背包容量小于3时只能放把吉他，容量是3时只放电脑的价值最高，容量为4时可以只放音箱，价值为3000，或者放一个电脑加把吉他，价值3500，所以这个价值最高。

公式

• v[i][0] = v[0][i] = 0          //表示表的第一行和第一列
• 当w[i] > j 时，v[i][j] = v[i-1][j]     //当准备加入新增的商品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
• 当 j >=w[i] 时，v[i][j] = max{ v[i-1][ j ] , v[ i-1 ][ j-w[ i ]] + v[ 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,就需要考虑如何实现装入的方式实现最大价值：
• 如果不拿第i个物品的话，结果v[i-1][j]就是上一个单元格的装入的最大值 。
• 如果拿的话，就是v[ i-1 ] [ j - w[ i ]]+v[ i ] ，其中 v[i] 表示当前商品的价值， v[i-1][j-w[i]] : 装入i1商品，到剩余空间 j-w[i]，

  既然把i件物品装进背包，那么1,2,3,4.....i-1物品只能占用 j - w[ i ]这么多重量了。这个时候，之前的1,2,3,4......i-1物品在背包容量为（j - w[ i ]）下的最大值为v[ i-1 ] [ j - w[ i ]]。此时背包的最大值就是 第i件物品的价值v[i]加上前1,2,3,4....i-1件物品在背包容量为下的最大值v[ i-1 ] [ j - w[ i ]]，也就是v[ i-1 ] [ j - w[ i ]]+v[ i ] 。最后选择那个就是取决于拿或者不拿哪一个的价值更高。

验证 i = 1, j = 1 ：

w[i] = w[1] = 1

w [1] = 1  j = 1   v[i][j]=max{v[i-1][j], v[i]+v[i-1][j-w[i]]} :

v[1][1] = max {v[0][1], v[1] + v[0][1-1]} = max{0, 1500 + 0} = 1500

验证 i = 3；j = 4 ：

w[i] = w[3] =3 j = 4

j = 4 >= w[i] = 3 => 4 >= 3

 v[3][4] = max {v[2][4], v[3] + v[2][1]} = max{3000, 2000+1500} = 2000+1500

代码实现

public class Packet {

	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
		
		//创建二维数组,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
		int[][] v = new int[n+1][m+1];
		
		//第一行和第一列设置为0
		for(int i=0; i < v.length; i++) {
			v[i][0] = 0; //将第一列设置为0
		}
		for(int i=0; i< v[0].length; i++) {
			v[0][i] = 0;
		}
		
		//为了记录放入商品的情况，定义一个二维数组
		int[][] path = new int[n+1][m+1]; 
		
		//动态规划
		for(int i=1; i< v.length; i++) {  //不需要再处理第一行，i是从1开始的
			for(int j = 1;j < v[0].length; j++) {  //不处理第一列
				if(w[i-1]>j) { //因为程序是从i开始的，因此原来公式中的w[i]改为w[i-1]
					v[i][j] = v[i-1][j];				
				}else {
					//因为i是从1开始的，所以公式调整
					//v[i][j] = Math.max(v[i-1][j], val[i-1]+v[i-1][j-w[i-1]]);
					//为了记录商品存放到背包的情况，不能简单的直接使用上面的公式
					//需要使用if...else...体现
					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]];
						//把当前的情况记录到path
						path[i][j] = 1;
					}else {
						v[i][j] = v[i-1][j];
					}
				}
			}
		}
		
		//输出当前数组的值
		for(int i=0; i < v.length; i++)
		{
			for(int j=0; j< v[i].length; j++) {
				System.out.print(v[i][j]+" ");
			}
			System.out.println();
		}
		
		int i = path.length - 1; //行的最大下标
		int j = path[0].length -1; //列的最大下标
		while (i>0 && j>0) { //从path的最大下标开始找
			if(path[i][j] == 1) {
				System.out.printf("第%d个商品放入背包\n",i);
				j = j - w[i-1];
			}
			i--;
		}

	}

}