动态规划例题


动态规划算法简介:动态规划算法


背包问题:

有n个重量和价值分别为wi,vi的物品,从这些物品中挑选出总重量不超过W的物品,求所有挑选方案中价值总和的最大值。

1≤n≤100
1≤wi,vi≤100
1≤W≤10000

输入:

n=4
(w,v)={(2,3),(1,2),(3,4),(2,2)}
W=5

输出:

7(选择第0,1,3号物品)

因为对每个物品只有选和不选两种情况,所以这个问题称为01背包。

Java代码示例:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
import java.util.Arrays;

public class 背包问题 {
static int[] w = {2, 1, 3, 2};//重量表
static int[] v = {3, 2, 4, 2};//价值表
static int n = 4;//物品数量
static int W = 5;//背包的承重极限
static int[][] rec = new int[n][W + 1];
public static void main(String[] args) {
int ww = W;
int ans = dfs(0, ww);
System.out.println(ans);
for(int i = 0; i < n; i++) {
Arrays.fill(rec[i], -1);
}
ww = W;
ans = dfs1(0, ww);
System.out.println(ans);

}
//利用dfs来做,每种情况都试试
private static int dfs(int i, int ww) {
if(ww <= 0) return 0;
if(i == n) return 0;
int v2 = dfs(i + 1, ww); //不选择当前物品
if(ww >= w[i]) {
int v1 = v[i] + dfs(i + 1, ww - w[i]);//选择当前物品
return Math.max(v1, v2);
}else {
return v2;
}
}

//记忆性递归,加快计算速度
private static int dfs1(int i, int ww) {
if(ww <= 0) return 0;
if(i == n) return 0;
//1. 查询
if(rec[i][ww] >= 0) {
return rec[i][ww];
}
int v2 = dfs1(i + 1, ww); //不选择当前物品
int ans;
if(ww >= w[i]) {
int v1 = v[i] + dfs1(i + 1, ww - w[i]);//选择当前物品
ans = Math.max(v1, v2);
}else {
ans = v2;
}
//2.记录:
rec[i][ww] = ans;//备忘录
return ans;
}
}

程序运行结果:

1
2
7
7

背包问题动态规划解法:

解题思路:

QQ截图20190背包问题319214253

Java代码示例:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
public class 背包问题dp {
static int[] w = {2, 1, 3, 2};//重量表
static int[] v = {3, 2, 4, 2};//价值表
static int n = 4;//物品数量
static int W = 5;//背包的承重极限
public static void main(String[] args) {
dp();
}


public static void dp() {
int[][] dp = new int[n][W+1];
//初始化dp表第一行
for(int i = 0; i < W + 1; i++) {
if(i >= w[0]) {
dp[0][i] = v[0];
}
}
//其他行
for(int i = 1; i < n; i++) {
//j是列,也是背包剩余的容量
for(int j = 0; j < W + 1; j++) {
if(j >= w[i]) {
int v1 = v[i] + dp[i-1][j-w[i]];//要的话
int v2 = dp[i-1][j];//不要这个
dp[i][j] = Math.max(v1, v2);
}else {
dp[i][j] = dp[i-1][j];
}
}
}
System.out.println(dp[n - 1][W]);
}
}

程序运行结果:

1
7
坚持原创技术分享,您的支持将鼓励我继续创作!