动态规划算法的原理和实现(Java)
动态规划算法介绍
动态规划(Dynamic Programming)算法的核心思想是:将大问题划分为小问题进行解决,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。 与分治法不同的是,适合于用动态规划求解的问题,经分解得到子问题往往不是互相独立的。 (即下一个子阶段的求解是建立在上一个子阶段的解的基础上,进行进一步的求解 ) 动态规划可以通过填表的方式来逐步推进,得到最优解.
动态规划算法最佳实践-背包问题
背包问题:有一个背包,容量为4磅 , 现有如下物品 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
思路分析和图解:
-
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) 这里的问题属于01背包,即每个物品最多放一个。而无限背包可以转化为01背包。 (1)v[i][0]=v[0][j]=0; //表示 填入表 第一行和第一列是0 (2) 当w[i]> j 时:v[i][j]=v[i-1][j] // 当准备加入新增的商品的容量大于 当前背包的容量时,就直接使用上一个单元格的装入策略 (3) 当j>=w[i]时: v[i][j]=max{v[i-1][j], v[i]+v[i-1][j-w[i]]} // 当 准备加入的新增的商品的容量小于等于当前背包的容量, // 装入的方式: v[i-1][j]: 就是上一个单元格的装入的最大值 v[i] : 表示当前商品的价值 v[i-1][j-w[i]] : 装入i-1商品,到剩余空间j-w[i]的最大值 当j>=w[i]时: v[i][j]=max{v[i-1][j], v[i]+v[i-1][j-w[i]]} : 详细图解如下:
详细代码:
package dynamic; public class BagProblem { public static void main(String[] args) { int[] weight = { 1, 4, 3 }; int[] val = { 1500, 3000, 2000 }; int m = 4;// 背包大小 int n = val.length;// 物品个数 int[][] v = new int[n + 1][m + 1]; int[][] path = new int[n + 1][m + 1]; for (int j = 0; j < m + 1; j++) { v[0][j] = 0; } for (int i = 0; i < n + 1; i++) { v[i][0] = 0; } for (int i = 1; i < n + 1; i++) { for (int j = 1; j < m + 1; j++) { //因为i是从1开始的,故在weight和value中要-1 if(j<weight[i-1]) { //将上一行v[i-1][j]的值赋给第i行 v[i][j]=v[i-1][j]; } // v[i][j]=max{v[i-1][j], v[i]+v[i-1][j-w[i]]} else if(j>=weight[i-1]) { if(v[i-1][j]>val[i-1]+v[i-1][j-weight[i-1]]) v[i][j] = v[i-1][j]; else { v[i][j] =val[i-1]+v[i-1][j-weight[i-1]]; path[i][j]=1; } } } } // 打印出二维数组 for (int i = 0; i < n + 1; i++) { for (int j = 0; j < m + 1; j++) { System.out.print(v[i][j] + " "); } System.out.println(); } //从后往前遍历 int i = path.length-1; int j = path[0].length-1; while(i>0&&j>0) { if(path[i][j]==1) { System.out.printf("将第%d个物品放入背包 ",i); //计算背包剩余的重量 j-=weight[i-1]; } i--; } } }