Algoritmo de programação dinâmica ----- Introdução

Programaçao dinamica

Problema de mochila

Há uma mochila com capacidade para 4 libras, e os seguintes itens estão disponíveis

artigo	peso	preço
Guitar G	1	1500
Sons	4	3000
Computador L	3	2000

Necessário para atingir o valor alvo do total da carga máxima da mochila, e o peso não ultrapassar a carga
exigida do artigo não pode ser repetido

Introdução à programação dinâmica

1. A ideia central do algoritmo de programação dinâmica é dividir o grande problema em pequenos problemas a serem resolvidos, de forma a obter a solução ótima passo a passo .

2. O algoritmo de programação dinâmica é semelhante ao algoritmo de dividir para conquistar . Sua ideia básica é decompor o problema a ser resolvido em vários subproblemas, primeiro resolvendo os subproblemas e, em seguida, obtendo o problema original a partir das soluções destes sub-problemas.

3. Ao contrário do método dividir e conquistar , que é adequado para problemas resolvidos por programação dinâmica, os subproblemas obtidos por decomposição geralmente não são independentes uns dos outros . ( Ou seja, a solução do próximo subestágio é baseada na solução do subestágio anterior , e outras soluções são realizadas)

4. O planejamento dinâmico pode ser avançado gradualmente preenchendo o formulário para obter a solução ideal.

Análise de pensamento

O problema da mochila refere-se principalmente a uma mochila com uma determinada capacidade, uma série de itens com um determinado valor e peso, como escolher itens para colocar na mochila para maximizar o valor dos itens. Dentre eles, está dividido em 01 mochila e mochila completa (a mochila completa refere-se a : cada item possui peças ilimitadas disponíveis)

A ideia principal do algoritmo é resolvida por programação dinâmica. Para o i-ésimo item que é percorrido a cada vez, determine se o item precisa ser colocado na mochila de acordo com w [j e v [j . Ou seja, para dados n itens, sejam v [i] ew [i] o valor e o peso do i-ésimo item, respectivamente, e C a capacidade da mochila. Seja v [i] [j o valor máximo que pode ser carregado na mochila de capacidade j nos primeiros i itens. Então nós temos o seguinte resultado:

v[i][0]=v[0][j]=0;//表示填入表的第一行和第一列是0
当w[i]> j时: v[i][j]=v[i-1][j]//当我们加入的新的商品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]]+v[i]}
//当准备加入的新的商品下雨等于当前背包的容量时，
//v[i-1][j]就是上一个单元格的装入最大的值 
//v[i]当前商品的价值
//v[i-1][j-w[i]]装入i-1个商品到剩余空间j-w[i]的最大值

Processo de mochila

artigo	0 libras	1	2	3	4
	0	0	0	0	0
Guitar G	0	1500G	1500G	1500G	1500G
Sons	0	1500G	1500G	1500G	3000S
Computador L	0	1500G	1500G	2000L	3500G + L

1. Se houver apenas uma guitarra , não importa o tamanho da mochila, você só pode colocar uma guitarra

2. Se houver guitarras e aparelhos de som , apenas guitarras podem ser colocadas na frente. Os aparelhos de som só podem ser colocados quando a capacidade da mochila é de 4 libras

. . . . . . . o resto é o mesmo

Verifique nossa fórmula acima

v[1] [1] = 1500;
1.i=1,j=1
2.w[i] = w[1] =1
w[1]=1  j=1   当j>=w[i]时: v[i][j]=max(v[i-1][j]),v[i-1][j-w[i]]+v[i]}
v[1][1] = max {
    
    v[0][1],v[1]+v[0][1-1]} = max{
    
    0,1500+0} = 1500

v[3][4]
    i = 3,j = 4 
w[i] = w[3] = 3  j=4
v[3][4] = max {
    
    v[2][4],v[3]+v[2][1]} = max{
    
    3000,2000+1500} = max{
    
    3000,3500}=3500

Código

package 算法;
//动态规划   ----   背包问题
public class dynamic {
    
    

	public static void main(String[] args) {
    
    
		// TODO Auto-generated method stub
		int[] w = {
    
    1,4,3};//物品重量
		int[] val = {
    
    1500,3000,2000};//对应的物品价格
		int m = 4;//背包容量
		int n = val.length;//物品个数
		
		//为了记录放入商品的情况
		int[][] path = new int[n+1][m+1];
		
		//创建二维数组
		int[][] v = new int[n+1][m+1];
		//初始化表格第一行和第一列
		for(int i=0;i < v.length;i++){
    
    
			v[i][0] = 0;//将第一列 置为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
			for (int j = 1; j < v[0].length; j++) {
    
    //不处理第一列
				//公式
				if(w[i-1]>j){
    
       //因为我们的i是从1开始的，因此原来的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val[i]应该改成val[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，我们不能直接的使用上面的公式，需要if-else来提现
					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path
						path[i][j] = 1;
					}else{
    
    
						v[i][j] = v[i-1][j];
					}
				}
			}
		}
		//输出下我们的表格  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();
		}
		//输出最后我们放入的那些商品
		//遍历path		这样会把所有情况得到，我们只需要最后的情况
//		for (int i = 0; i < path.length; i++) {
    
    
//			for (int j = 0; j < path[i].length; j++) {
    
    
//				if(path[i][j]==1){
    
    
//					System.out.println("第"+i+"个商品放入背包");
//				}
//			}
//		}
		int i = path.length-1;			//行的最大下表
		int j = path[0].length-1;		//列的最大下表
		while(i>0 && j>0){
    
    //从后向前遍历
			if(path[i][j] == 1){
    
    
				System.out.println("第"+i+"个商品放入背包");
				j-=w[i-1];
			}
			i--;
		}

		
	}

}
0 0 0 0 0 
0 1500 1500 1500 1500 
0 1500 1500 1500 3000 
0 1500 1500 2000 3500 
第3个商品放入背包
第1个商品放入背包