app开发者平台在数字化时代的重要性与发展趋势解析
551
2023-02-27
背包问题
一、动态规划的原理
动态规划(dynamic programming)是运筹学的一个分支,是求解决策过程(decision process)最优化的数学方法。20世纪50年代初美国数学家R.E.Bellman等人在研究多阶段决策过程(multistep decision process)的优化问题时,提出了著名的最优化原理(principle of optimality),把多阶段过程转化为一系列单阶段问题,利用各阶段之间的关系,逐个求解,创立了解决这类过程优化问题的新方法–动态规划。1957年出版了他的名著《Dynamic Programming》,这是该领域的第一本著作。
动态规划一般可分为线性动规,区域动规,树形动规,背包动规四类。举例:线性动规:拦截导弹,合唱队形,挖地雷,建学校,剑客决斗等;区域动规:石子合并, 加分二叉树,统计单词个数,炮兵布阵等;树形动规:贪吃的九头龙,二分查找树,聚会的欢乐,数字三角形等;背包问题:01背包问题,完全背包问题,多重背包问题,分组背包问题,二维背包,装箱问题,挤牛奶(同济ACM第1132题)等;
二、分析与代码实现
1、分析
题目:在某个深夜里,一个小偷背着一个总共只能装16v体积的背包进入一家商店偷东西。假如店里有手机一部,价格为2000元,体积为1v;薯片一包,价格为5元,体积为5v;翡翠一块,价格为100000元,体积为10v;一套四大名著,价格30元,体积为6v;电脑一台,价格为6000元,体积为10v。怎么样能够让背包装的下,并且又能使拿到的东西总价格最多?
这种情况下,一共5件东西。小偷偷东西的事件只有两种:拿,不拿。
当他拿的时候,背包体积变小,物件数量减1;当他不拿的时候,背包体积不变,物件数量减1(因为小偷选择不拿这件东西的时候不会返回继续拿,所以他失去了这件东西选择的机会)。
物件数量为i,背包容纳量为v。
1.不拿 b(i-1,v)
2.拿 b(i-1,v-该物品的体积)
两者取最大值
核心代码:
b[i][j]=Math.max(b[i-1][j],b[i-1][j-v]+p);
2、代码分析
public class _背包问题 {
//物品体积
private static int[] volume={1,5,10,6,10};
//物品价格
private static int[] price={2000,5,100000,30,6000};
//背包容量
private static int maxVolumen=16;
//物品数量
private static int count=5;
public static int solution(int maxVolumen,int count,int[] volume,int[] price){
int[][] b=new int[count+1][maxVolumen+1];
for (int i=1;i<=count;i++){
//拿到物品的价格
int p=price[i-1];
//拿到物品的体积
int v=volume[i-1];
for (int j=1;j<=maxVolumen;j++){
//如果物品的体积大于背包容量时,选择不拿。
if (j b[i][j]=b[i-1][j]; continue; } b[i][j]=Math.max(b[i-1][j],b[i-1][j-v]+p); } } return b[count][maxVolumen]; } public static void main(String[] args) { System.out.println(solution(16,5,volume,price)); } } 总结
b[i][j]=b[i-1][j];
continue;
}
b[i][j]=Math.max(b[i-1][j],b[i-1][j-v]+p);
}
}
return b[count][maxVolumen];
}
public static void main(String[] args) {
System.out.println(solution(16,5,volume,price));
}
}
总结
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。
发表评论
暂时没有评论,来抢沙发吧~