本講解以揹包問題舉例
一、介紹
-
動態規劃(Dynamic Programming)算法的核心思想是:將大問題劃分爲小問題進行解決,從而一步步獲取最優解的處理算法
-
動態規劃算法與分治算法類似,其基本思想也是將待求解問題分解成若干個子問題,先求解子問題,然後從這些子問題的解得到原問題的解。
-
與分治法不同的是,適合於用動態規劃求解的問題,經分解得到子問題往往不是互相獨立的。 ( 即下一個子階段的求解是建立在上一個子階段的解的基礎上,進行進一步的求解 )
-
動態規劃可以通過填表的方式來逐步推進,得到最優解.
二、揹包問題
1.問題
有一個揹包,容量爲4磅
現有如下物品
- 要求達到的目標爲裝入的揹包的總價值最大,並且重量不超出
- 要求裝入的物品不能重複
2.思路分析
分析
- 揹包問題主要是指一個給定容量的揹包、若干具有一定價值和重量的物品,如何選擇物品放入揹包使物品的價值最大。其中又分01揹包和完全揹包(完全揹包指的是:每種物品都有無限件可用)
- 這裏的問題屬於01揹包,即每個物品最多放一個。而無限揹包可以轉化爲01揹包。
步驟
- 每次遍歷到的第i個物品,根據weight[i]和price[i]來確定是否需要將該物品放入揹包中。
- price[i][0]=price[0][j]=0; 表示 填入表 第一行和第一列是0
- 當weight[i]> j 時:price[i][j]=price[i-1][j] // 當準備加入新增的商品的容量大於 當前揹包的容量時,就直接使用上一個單元格的裝入策略
- 當j>=weight[i]時: price[i][j]=max{price[i-1][j], price[i]+price[i-1][j-weight[i]]}
// 當 準備加入的新增的商品的容量小於等於當前揹包的容量,
// 裝入的方式: -
- price[i-1][j]: 就是上一個單元格的裝入的最大值
price[i] : 表示當前商品的價值
price[i-1][j-weight[i]] : 裝入i-1商品,到剩餘空間j-w[i]的最大值
當j>=weight[i]時: price[i][j]=max{price[i-1][j], price[i]+price[i-1][j-weight[i]]} :
- price[i-1][j]: 就是上一個單元格的裝入的最大值
3.代碼實現
public class KnapsackProblemDemo {
public static void main(String[] args) {
//物品的重量
int[] weight = {1, 4, 3};
//物品的價格
int[] price = {1500, 3000, 2000};
//揹包的容量
int capacity = 4;
KnapsackProblem knapsackProblem = new KnapsackProblem(weight,price,capacity);
//顯示最佳裝配的商品下標
knapsackProblem.showProduct();
}
}
class KnapsackProblem{
//物品的重量
int[] weight = {1, 4, 3};
//物品的價格
int[] price = {1500, 3000, 2000};
//揹包的容量
int capacity = 4;
//物品的個數
int number;
//創建二維數組
//dataArray[i][j] 表示在前i個物品中能夠裝入容量爲j的揹包中的最大價值
int[][] dataArray;
//記錄放入的商品情況
int[][] product;
public KnapsackProblem(int[] weight, int[] price, int capacity) {
if(weight.length != price.length){
System.out.println("物品重量與價值數量不匹配!");
return;
}
this.weight = weight;
this.price = price;
this.capacity = capacity;
this.number = weight.length;
this.dataArray = new int[number + 1][capacity + 1];
this.product = new int[number + 1][capacity + 1];
init();
run();
}
/**
* 輸出數據表
*/
public void showDataTable(){
//輸出看看dataArray
for (int i = 0; i < dataArray.length; i++) {
for (int j = 0; j < dataArray[i].length; j++) {
System.out.print(dataArray[i][j] + "\t");
}
System.out.println();
}
}
/**
* 初始化狀態
*/
private void init(){
//初始化第一行和第一列,不賦默認值則爲0
//將第一列設置爲0
for (int i = 0; i < dataArray.length; i++) {
dataArray[i][0] = 0;
}
//第一行設爲0
for (int i = 0; i < dataArray[0].length; i++) {
dataArray[0][i] = 0;
}
}
/**
* 進行處理
*/
private void run(){
//從1開始是爲了跳過第一行和第一列
for (int i = 1; i < dataArray.length; i++) {
for (int j = 1; j < dataArray[0].length; j++) {
//
if (weight[i - 1] > j) {
dataArray[i][j] = dataArray[i - 1][j];
} else {
if (dataArray[i - 1][j] < price[i - 1] + dataArray[i - 1][j - weight[i - 1]]) {
dataArray[i][j] = price[i - 1] + dataArray[i - 1][j - weight[i - 1]];
//將當前物品情況記錄到path
product[i][j] = 1;
} else {
dataArray[i][j] = dataArray[i - 1][j];
}
}
}
}
}
public void showProduct(){
//行的最大下標
int rowMax = product.length - 1;
//列的最大下標
int colMax = product[0].length - 1;
while (rowMax > 0 && colMax > 0) {
if (product[rowMax][colMax] == 1) {
System.out.printf("第 %d 個商品\n", rowMax);
colMax -= weight[rowMax - 1];
}
rowMax--;
}
}
}