【数据结构与算法】动态规划
一,应用场景
1.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背包的总价值最大,并且重量不超出
2)要求装入的物品不重复
二,基本介绍
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)与分治不同的是,适用于用动态规划求解的问题,经分解得到子问题往往不是相互独立的。(即下一个子阶段的求解是建立在上一个子阶段的基础上,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。
三,思路分析
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:每种物品都有无限条件可用)。
2)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。
3)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val[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val[i],w[i]分别为第i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为j的背包中的最大价值。则我们有下面的结果:
(结合下面思路图解理解)
- v[i][0] = v[0][j] = 0; //表示填入表 第一行和第一列是0
- 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
- 当j >= w[i]时:v[i][j] = max{v[i - 1][j],v[i - 1][j - w[i]] + val[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,
装入方式:v[i - 1][j]:就是上一个单元格的装入的最大值
val[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
四,思路图解
物品 | 重量 | 价格 |
---|---|---|
吉他(G) | 1 | 1500 |
音响(S) | 4 | 3000 |
电脑(L) | 3 | 2000 |
解决类似的问题可以分解成一个个的小问题进行解决,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)
背包填表过程
物品 | 0磅 | 1磅 | 2磅 | 3磅 | 4磅 |
---|---|---|---|---|---|
0 | 0 | 0 | 0 | 0 | |
吉他(G) | 0 | ||||
音响(S) | 0 | ||||
电脑(L) | 0 |
全0的一行表示没有商品的时候价值为0
全0的一列表示背包容量为0,什么都装不进去
1)假如现在只有吉他(G),这是不管背包容量多大,只能放一把吉他
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 | ||||
电脑(L) | 0 |
2)假如有吉他(G)和音响(S)
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 |
当我们背包容量是1,2,3磅的时候,仍然只能放吉他,则把吉他那一行(上一行)同一列数据拷贝下来;
当背包容量为4磅的时候,发现可以放下音响,音响价值比吉他那一行(上一行)同一列的价值大,所以先放音响
3)假如有吉他(G)和音响(S)和电脑(L)
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) | 2000(L) + 1500(G) |
当我们背包容量是1,2磅的时候,不能够放入电脑,所以把音响那一行(上一行)同一列数据拷贝下来;
当背包容量为3磅的时候,刚好能够放下电脑,且电脑价值大于音响那一行(上一行)同一列的价值,所以放入音响
当背包容量为4磅的时候,能放下电脑还剩下1磅的容量,放入能放下的最大容量即这里的吉他。
五,代码实现
package com.algorithm.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};//物品的价值int m = 4; //背包的重量int n = val.length; //物品的个数//为了记录放入商品的情况,我们定一个二维数组int[][] path = new int[n + 1][m + 1];//创建二维数组//v[i][j] 表示在前i个物品中能够装入容量为j的背包的最大值int[][] v = new int[n + 1][m + 1];//初始化第一行和第一列,这里在本程序中,可以不去处理,因为默认就是0for (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;}//根据前面得到的公式来动态规划处理for (int i = 1;i < v.length;i++) { //不处理第一行 i是从1开始for (int j = 1;j < v[0].length;j++) {//公式if (w[i - 1] > j) { //因为我们的程序i是从1开始的,因此原来的公式中的w[i]修改成w[i - 1]v[i][j] = v[i - 1][j];} else {//因为我们的i是从1开始的,因此是w[i - 1]//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,我们不能直接使用上面的公式,需要使用if-else类体现公式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pathpath[i][j] = 1;} else {v[i][j] = v[i - 1][j];}}}}//输出一下v 看看情况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();}//输入最后我们是放入的哪些商品//遍历pathSystem.out.println("======================");
// for (int i = 0;i < path.length;i++) {// for (int j = 0;j < path[i].length;j++) {// if (path[i][j] == 1) {// System.out.printf("第%d个商品放入到背包\n",i);
// }
// }
// }int i = path.length - 1; //行的最大下下标int j = path[0].length - 1; //列的最大下标while (i > 0 && j > 0) { //从path的最后开始找if (path[i][j] == 1) {System.out.printf("第%d个商品放入到背包\n",i);j -= w[i - 1]; //w[i - 1]}i--;}}
}
六,运行结果
【数据结构与算法】动态规划相关推荐
- C++数据结构与算法 动态规划
动态规划: 和贪婪算法一样,动态规划对一个问题的解是一系列的决策过程,贪婪算法依据贪婪准则,做出的每一个抉择都是不可撤回的,在动态规划中,需要考察一系列抉择,已确定一个最优抉择序列是否包含一个最优抉择 ...
- Python数据结构与算法-动态规划(钢条切割问题)
一.动态规划(DP)介绍 1.从斐波那契数列看动态规划 (1)问题 斐波那契数列递推式: 练习:使用递归和非递归的方法来求解斐波那契数列的第n项 (2)递归方法的代码实现 import time # ...
- 数据结构与算法-动态规划
题目描述: 1.一只青蛙一次可以跳上1级台阶,也可以跳上2级.求该青蛙跳上一个n级的台阶总共有多少种跳法. 2.一只青蛙一次可以跳上1级台阶,也可以跳上2级--它也可以跳上n级.求该青蛙跳上一个n级的 ...
- 数据结构与算法——动态规划思想解题三角形问题
动态规划的基本思想 动态规划解题的时候将问题分解为几个不同的阶段(把原始问题分解为不同的子问题),自底向上计算.每次决策都依赖于当前的状态.我们可以将不同阶段的不同状态存储在一个二维数组中. 从这个二 ...
- [数据结构与算法]动态规划:扔鸡蛋问题
参考链接:https://gitee.com/lambertcao/fucking-algorithm/blob/master/%E5%8A%A8%E6%80%81%E8%A7%84%E5%88%92 ...
- 数据结构与算法--动态规划资源
爬楼梯:http://www.sohu.com/a/149075950_684445 01背包问题:https://juejin.im/post/5affed3951882567161ad511
- 数据结构与算法之暴力递归改动态规划
数据结构与算法之暴力递归改动态规划 目录 二维数组最小路径和 暴力递归改动态规划解析 任意选择数组arr中的数字,看能不能累加得到aim 1. 二维数组最小路径和 (一) 题目描述 (二) 思路 递归 ...
- 【数据结构与算法】【算法思想】动态规划
贪心算法 回溯算法 分治算法 动态规划 贪心:一条路走到黑,就一次机会,只能哪边看着顺眼走哪边 回溯:一条路走到黑,无数次重来的机会,还怕我走不出来 (Snapshot View) 动态规划:拥有上帝 ...
- python数据结构和算法 时间复杂度分析 乱序单词检测 线性数据结构 栈stack 字符匹配 表达式求值 queue队列 链表 递归 动态规划 排序和搜索 树 图
python数据结构和算法 参考 本文github 计算机科学是解决问题的研究.计算机科学使用抽象作为表示过程和数据的工具.抽象的数据类型允许程序员通过隐藏数据的细节来管理问题领域的复杂性.Pytho ...
- C++数据结构和算法2 栈 双端/队列 冒泡选择插入归并快排 二三分查找 二叉树 二叉搜索树 贪婪 分治 动态规划
C++数据结构和算法2 栈 双端/队列 冒泡选择插入归并快排 二三分查找 二叉树 二叉搜索树 贪婪 分治 动态规划 博文末尾支持二维码赞赏哦 _ github 章3 Stack栈 和 队列Queue= ...
最新文章
- ryu的防火墙功能 ryu.app.rest_firewall,配合mininet和open vswitch(OVS)
- ExtJS4.2学习(三)Grid表格(转)
- 探索 MongoDB--转
- python 定制类
- Java读写二进制文件
- PAT(乙级) 1002 写出这个数 (20point(s)) Python
- 第四十期:十年生死两茫茫,Linux QQ突然复活!
- 查看文件详细信息linux,linux命令stat,查看文件详细信息
- #华为云·寻找黑马程序员#微服务-你真的懂 Yaml 吗?
- Hadoop1.0.4单节点StandAlone及Pseudo-Distributed部署方法
- 关于SO引用的过滤:abiFilters
- linux mysql 主从数据库_Linux下安装MySQL及MySQL主从同步配置
- pytorch gather_【CV】10分钟理解Focal loss数学原理与Pytorch代码
- ACL'22 | 关系抽取和NER等论文分类整理
- 阅读Google的C++代码规范有感
- 有多个script怎么放一起_在南方我们觉得儿菜的特种蔬菜,对它得如何处理?怎么做出美味?...
- JavaWeb request对象常用操作
- 笔记本电脑应用商店服务器错误,打开win10商店出错 出现win10商店请稍后重试问题怎么办 - 驱动管家...
- 四川托普计算机学校官网,四川中等职业技术学院
- Python中读取,显示,保存图片的方法