常用算法——动态规划算法

动态规划算法

算法介绍

1. 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
2. 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。
3. 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）
4. 动态规划可以通过填表的方式来逐步推进，得到最优解。

算法案例（背包问题）

有一个背包，容量容量为4，现有如下物品，要求达到背包容量最大值，并且不超过，物品不能重复。

物品	重量	价格
吉他（G）	1	1500
音响（S）	4	3000
电脑（L）	3	2000

算法的主要思想，利用动态规划来解决。每次遍历到的第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v[i]、w[i]分别为第个物品的价值和重量，C为背包的容量。再令v[i][j]表示在前i个物品中能够装入容量j的背包中的最大价值。则我们有下面的结果：

1. v[i][0]=v[0][j]=0；//表示填入的表的第一行和第一列是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][i],v[i-1][j-w[i]]+v[i]} //v[i-1][j]:表示上一个单元格转入的最大值；v[i]:表示当前商品的价值

转化为填表

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

代码实现

package com.dynamic;
public class KnapsackProblem {
	public static void main(String[] args) {
		int[] w = { 1, 4, 3 };// 物品的重量
		int[] val = { 1500, 3000, 2000 };// 物品价值
		int m = 4;// 背包的容量
		int n = val.length;// 物品个数
		// 创建二维数组
		// v[i][j]表示在前i个物品中能装入容量为j的背包中多的最大价值
		int[][] v = new int[n + 1][m + 1];
		// 记录加入商品的情况
		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;// 设置第一列为0
		}
		for (int i = 0; i < v[0].length; i++) {
			v[0][i] = 0;// 将第一行设置为0
		}
		// 根据前面的公式进行动态规划
		for (int i = 1; i < v.length; i++) {
			for (int j = 1; j < v[0].length; j++) {
				if (w[i - 1] > j) {// 因为i是从1开始的，因此原来推到w[i]要修改w[i-1]
					v[i][j] = v[i - 1][j];
				} else {
					// 因为i从1开始，因此val[i-1] w[i-1]
					// v[i][j] = Math.max(v[i - 1][j], val[i - 1] + v[i - 1][j - w[i - 1]]);
					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];
					}

				}
			}
		}
		// 输出v
		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();
		}
		// 输出最后我们放入的商品
		int i = path.length - 1;// 行最大下标
		int j = path[0].length - 1;// 列最大下标
		while (i > 0 && j > 0) {// 从path的最后开始找
			if (path[i][j] == 1) {
				System.out.printf("第%d个商品放入背包\n", i);
				j -= w[i - 1];
			}
			i--;
		}
	}
}