详解：动态规划算法【Java实现】—

动态规划

动态规划算法介绍

动态规划算法最佳实践-背包问题

思路分析:

图解分析:

Java代码实现：

动态规划算法介绍

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.

动态规划算法最佳实践-背包问题

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（01背包：每个物品只有一件可用）和完全背包(完全背包指的是:每种物品都有无限件可用)

背包问题案例: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4磅。

2)要求装入的物品不能重复。

思路分析:

1)这里的问题属于01背包,即每个物品最多放一个

2)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i个物品的价值和重量,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:

//表示填入表第一行和第一列是0
(1)v[i][0]=v[0][j]=0;
//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
(2)当w[i]>j时: v[i][j]=v[i-1][j]
//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时：取【方案一:上一个单元格的价值】和【方案二:装入当前商品与其他商品的价值的总和】的最大值
(3)当j>=w[j]时: v[i][j]=max{v[i-1][j], v[i]+v[i-1][j-w[i]]
//[i-1][j]：就是上一个单元格的价值
//v[i]：表示当前商品的价值
//v[i-1][j-w[i]]:在剩余j-w[i]空间里，装入【i-1】即【即i前面的某个或某几个】商品以达到价值最大化
//v[i]+v[i-1][j-w[i]]:装入当前商品与其他商品的价值的总和

图解分析:

Java代码实现：

public class KnapsackProblem {//01背包问题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//为了记录放入商品的情况，我们定义一个二维数组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的背包中的最大价值int[][] v = new int[n + 1][m + 1];//初始化第一行和第一列【可有可无】for (int i = 0; i < v.length; i++) {//v.length:获取二维数组的行数v[i][0] = 0;//将第一列设置为0}for (int i = 0; i < v[0].length; i++) {//v[0].length：获取二维数组的列数v[0][i] = 0;//将第一行设置为0}//根据前面得到的公式来动态规划for (int i = 1; i < v.length; i++) {//int i = 1 不处理第一行for (int j = 1; j < v[0].length; j++) {//int j = 1 不处理第一列if (w[i - 1] > j) {//因为我们的程序的i是从1开始，所以原来公式里的w[i]-->>w[i-1]v[i][j] = v[i - 1][j];//v[1][1]从第二行第二个开始} else {//因为我们的程序的i是从1开始,因此要调整：//为了记录商品存放到背包的情况，我们不能直接的使用上面的公式，，需要使用if-else语句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]];//把当前情况记录到pathpath[i][j] = 1;} else {v[i][j] = v[i - 1][j];}}}}//输出二维数组：for (int[] ints : v) {System.out.println(Arrays.toString(ints));}//输出最后我们是放入的那些商品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--;}}
}

长风破浪会有时，直挂云帆济沧海！