动态规划算法(3)--0-1背包、石子合并、数字三角形

目录

一、0-1背包

1、概述

2、暴力枚举法

3、动态规划

二、石子合并问题

1、概述

2、动态规划

3、环形石子怎么办?

三、数字三角形问题

1、概述

2、递归

3、线性规划

 四、租用游艇问题 


一、0-1背包

1、概述

        0-1背包:给定多种物品和一个固定重量W的背包,每种物品有一个固定的重量w_i,价值v_i,现在要将物品装入背包,每种物品至多装入一个,使总重量不超过W,且总价值最大。

        约束条件和优化目标如下:

动态规划算法(3)--0-1背包、石子合并、数字三角形_第1张图片

2、暴力枚举法

        暴力枚举法也是使用递归的方式,假设对前i个物品分析,总重量为c,当前总价值为P。那么存在递归条件:\begin{matrix} \quad \qquad p1=knapsack(i-1,c-w_i)\\ \quad p2=knapsack(i-1,c) \\ P=max(p1+v_i,p2) \end{matrix}

        另外当重量小于0时,总价值为-∞(代码中可以用-999替代),物品个数小于等于0,总价值为0。

        暴力枚举法依赖递归方式,没有减少子问题个数,所以根据递归树计算,复杂度为O(2^n)

        伪代码如下:

动态规划算法(3)--0-1背包、石子合并、数字三角形_第2张图片

        代码实例: 

   //暴力枚举
   public static int violate_knapsack(int weight,int i,int weights[],int values[])
   {
        if (weight<0)
        {
            return -9999; 
        }
              
        if (i<=0)  
        {    
            return 0;
        }
        int p1=violate_knapsack(weight-weights[i],i-1,weights,values);   //选中i物品
        int p2=violate_knapsack(weight,i-1,weights,values);              //不选i物品
        int p=p1+values[i]>p2?p1+values[i]:p2;   
        return p;
   }

3、动态规划

        动态规划方法通过建立备忘录的方式,前i个物品,总重量为j的时刻永远依赖于前面的子结构。M数组为加入前i个物品后,总重量为j时的总价值,Rec数组表示是否有物品添加,若添加则为1,不添加则为0。

        原理:

参数:count代表总类别个数,weight代表背包重量,weights为物品重量,values为物品价值,name为物品名称。

(1)首先,M数组0行0列均为初值0,注意:行为重量,列为种类个数。

(2)按每行逐个值来填写M和Rec。如:前i个物品,总重量为j的情况下,即求M[i][j]时,如果该物品重量小于背包重量且在前i-1个物品,总重量为(j-当前物品重量)时的总重量+当前物品价值的总价值,大于前i-1个物品,总重量为j时的总价值时M填写较大的总价值,Rec=1。条件写为:weights[i-1]\leqslant j,values[i-1]+M[i-1][j-weights[i]]>M[i-1][j]

(3)由于调用j-当前物品重量时有可能为负数,所以保证最小值为0,设为minor。

(4)如果不满足(2)条件,则M[i][j]填上一行同列的M[i-1][j]值,即不选这个物品(索引为i-1)的总价值。Rec为0。

(5)最优解追寻:Rec数组倒序查找i取最大值,逐次减1,判断条件如果Rec数组为1,则从总重量weight中减少weights[i-1],输出name[i-1]物品,直到i取1。

//0-1背包问题
import java.util.ArrayList;
public class backage {
   public static void main(String []args)
   {
        int values[]={24,2,9,10,9};
        int weights[]={10,3,4,5,4};
        int count=5;int weight=13;
        int M[][]=new int [count+1][weight+1];
        int Rec[][]=new int [count+1][weight+1];
        String name[]={"beer","cocacola","cookie","bread","milk"};
        //暴力求解
        System.out.println(violate_knapsack(weight,count-1,weights,values));  
        //建立M数组,Rec数组 
        knapsack(count,weight,M,Rec,weights,values);
        //M数组
        for(int i=0;iM[i-1][j]))    //如果可以替换,M替换为新值,Rec更新为1
                {
                    M[i][j]=values[i-1]+M[i-1][minor];
                    Rec[i][j]=1;
                }
                else{
                    M[i][j]=M[i-1][j];                                           //不能修改时,M用上一行同列值替换,Rec更新为0
                    Rec[i][j]=0;
                }
            }
        }
   }

   //输出最优解
   public static void Print(int count,int weight,int Rec[][],String name[],int weights[])
   {
        for(int i=count;i>0;i--)
        {
            if(Rec[i][weight]==1)
            {
                System.out.println(name[i-1]);
                weight=weight-weights[i-1];
            }
        }
   }

M数组和Rec数组的写法:

动态规划算法(3)--0-1背包、石子合并、数字三角形_第3张图片

二、石子合并问题

1、概述

        现在有n堆石子排成一排,要求将石子有次序地合并成一堆,规定每次只能选相邻的两堆石子合并成新的一堆,并将新的一堆石子数记为该次合并的得分,设计一个算法将n堆石子合并成一堆的最小得分和最大得分。

        类比矩阵连乘问题求解,利用动态规划,设计m和s数组,最大值为m[1][n]。

2、动态规划

        动态规划转移方程(最小值):

        m[i][j]=\begin{Bmatrix} 0 \qquad \qquad \qquad \qquad \qquad \qquad \qquad \qquad \quad i=j\\ min(m[i][k]+m[k+1][j]+sum(i,j)) \quad i<j \end{Bmatrix}

        动态规划转移方程(最大值):

 m[i][j]=\begin{Bmatrix} 0 \qquad \qquad \qquad \qquad \qquad \qquad \qquad \qquad \quad i=j\\ max(m[i][k]+m[k+1][j]+sum(i,j)) \quad i<j \end{Bmatrix}

3、环形石子怎么办?

        如果题目要求石子堆围成一圈,其他要求不变,我们可以考虑将数组变为一个重复数组,由环形变为线性。如{1,2,3}则变为{1,2,3,1,2,3},n=2*n,然后考虑(j-i)>=arr_length时才满足原来的最多三个石子堆合并的问题。

        动态规划转移方程相同,只是多了一个退出循环的条件,同样的生成m数组,假设石子堆为{4,4,5,9},当前生成最小值m数组应该为下图示例:

动态规划算法(3)--0-1背包、石子合并、数字三角形_第4张图片

        可以看到原先的m[1][n]为最小值,现在应该讨论min(m[i][n+i-1]) \quad 1\leqslant i\leqslant n,也就是四个数的最小值。

        代码示例:

//石子合并问题
public class stonemerge {
   public static void main(String[] args)
   {
        
        int arr[]={4,4,5,9};
        int n=arr.length;
        int m[][]=new int[n+1][n+1]; int m_[][]=new int[n*2+1][n*2+1];
        int s[][]=new int[n+1][n+1]; 
        minserge(arr,m_);
        System.out.println(trackmin(arr, m_));
        maxserge(arr, m_);
        System.out.println(trackmax(arr,m_));
   }
   //最小合并m数组 
   public static void minserge(int arr_[],int m[][])
   {
        int n=arr_.length*2;
        int arr[]=new int[n];
        add_arr(arr,arr_);
        for(int i=1;i=arr_.length)
                    break;                
                m[i][j] = m[i + 1][j] + sum(i,j,arr);				             
				for (int k = i + 1; k < j; k++)
                 {
					int t = m[i][k] + m[k + 1][j] + sum(i,j,arr);
					if (t < m[i][j]) 
						m[i][j] = t;
				}
			}
		}
   }
   //最大合并m数组
   public static void maxserge(int arr_[],int m[][])
   {
        int n=arr_.length*2;
        int arr[]=new int[n];
        add_arr(arr,arr_);
        for(int i=1;i=arr_.length)
                    break;                
                m[i][j] = m[i + 1][j] + sum(i,j,arr);				             
				for (int k = i + 1; k < j; k++)
                 {
					int t = m[i][k] + m[k + 1][j] + sum(i,j,arr);
					if (t > m[i][j]) 
						m[i][j] = t;
				}
			}
		}
   }
   //合并代价
   public static int sum(int i,int j, int arr[])
   {
        int tot=0;
        for(int m=i-1;m<=j-1;m++)
            tot+=arr[m];
        return tot;
   }
   //环形转线性数组生成
   public static void add_arr(int arr[],int arr_[])
   {
        for(int i=0;imax)
                max=m[i][n+i-1];
        }
        return max;
   }
}

三、数字三角形问题

1、概述

        给定一个由n行数字组成的数字三角形,设计算法,计算从三角形的顶至底的一条路径,每次必须下降一层,使该路径经过数字总和最大,如下图路线7-3-8-7-5,总和30。

动态规划算法(3)--0-1背包、石子合并、数字三角形_第5张图片

2、递归

递归条件:

nums[x][y]+=max(trest(x+1,y),test(x+1,y+1)) \ x\neq n-1

               当x==n-1时为最底层数字,返回该数字。

//递归方法
public static int test(int x,int y,int nums[][]) {
        int n=nums.length;
        if(x == n-1) {
            return nums[x][y];
        }
        return (nums[x][y] + (test(x+1,y,nums) >= test(x+1,y+1,nums) ? test(x+1,y,nums) : test(x+1,y+1,nums)));
    }

3、线性规划

        状态转移方程与递归条件一样,只不过从倒数第二层向上叠加(参数i),每层的值改变为当前层到底层的最大值,变量k遍历某一层的每个数字,计算到底层的最大值并保存。

//动态规划
public static int max(int nums[][])
{
        for(int i=nums.length-2;i>=0;i--)
        {
            int j=nums[i].length;
            for(int k=0;k=nums[i+1][k+1]?nums[i+1][k]:nums[i+1][k+1]);
            }
        }
        return nums[0][0];
}

 四、租用游艇问题

        游艇出租站租用游艇,并在下游的任何一个游艇出租站归还游艇,游艇出租站i到游艇出租站j之间的租金为r(i,j)(1<=i

        输入的数字,第一行代表1到2的距离和1到3的距离,第二行代表2到3的距离。

//租用游艇问题
public class rentyacht {
   public static void main(String [] args)
   {
        int cost[][]={
            {5,15},
            {7}
        };
        int n=cost.length;
        System.out.println(rentmin(cost,n));
   } 
   public static int rentmin(int[][] cost, int n) {
        int[][] best = new int[n + 1][n + 1];
        for(int i = n - 1; i >= 1; i--) {
            best[i][n] = cost[i-1][n-1];
            for(int j = n - 1; j > i; j--) {
                best[i][n] = cost[i-1][j-1] + best[j][n]

 

 

         

你可能感兴趣的:(算法设计,算法,动态规划,java)