目录
一、做题心得
今天是代码随想录训练营第42期第35天打卡。今天完成的是动态规划章节的Part3--01背包问题。背包问题作为动态规划最经典的应用,往往衍生出现在网络上很多相关思路的题目,但万变不离其宗,今天将通过模板和例题的形式来看看如何解决01背包问题。
话不多说,开始今天的内容。
二、题目与题解
题目一:01背包问题(模板题)
题目链接
有 NN 件物品和一个容量是 VV 的背包。每件物品只能使用一次。
第 ii 件物品的体积是 vivi,价值是 wiwi。
求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。
输出最大价值。输入格式
第一行两个整数,N,VN,V,用空格隔开,分别表示物品数量和背包容积。
接下来有 NN 行,每行两个整数 vi,wivi,wi,用空格隔开,分别表示第 ii 件物品的体积和价值。
输出格式
输出一个整数,表示最大价值。
数据范围
0<N,V≤10000<N,V≤1000
0<vi,wi≤10000<vi,wi≤1000输入样例
4 5 1 2 2 4 3 4 4 5
输出样例
8
题解1:动态规划--二维dp
二维 dp 相对来说好理解一些,这里先从二维dp开始。
首先定义 dp 数组并进行初始化:在这里 dp[i][j] 表示 j 体积下前 i 个物品的最大价值,初始化 dp 数组的所有元素都为 0;
再而确定递推公式:
1.当前背包容量不够,不能装下第i个物品,因此前i个物品最大价值即为前i−1个物品最大价值,即dp[i][j] = dp[i - 1][j];
2.当前背包容量够装下第i个物品,需要比较选不选择装第i个物品哪种情况价值更大
若选择,那么加上了当前物品价值并除去当前物品容量 -- dp[i][j] = dp[i - 1][j - v[i]] + w[i]
若不选择,那么就和前 i - 1个物品最大价值一致,dp[i][j] = dp[i - 1][j]
最后,由于当前dp[i][j]是由前一个dp[i - 1][j]得出,我们采用顺序遍历即可。
代码如下:
#include<bits/stdc++.h>
using namespace std;
const int N = 1005;
int n, m; //n, m分别表示物品数量和背包容积
int v[N]; //体积v[i]
int w[N]; //价值w[i]
int dp[N][N]; //dp[i][j]:j体积下前i个物品的最大价值,初始化dp数组的所有元素为0
signed main() {
cin>>n>>m;
for (int i = 1; i <= n; i++) { //n个背包--(1,n)
cin>>v[i]>>w[i];
}
for (int i = 1; i <= n; i++) { //正向循环--从前往后
for (int j = 1; j <=m; j++) {
if (j < v[i]) { //当前背包容量不够,不能装下第i个物品,因此前i个物品最大价值即为前i−1个物品最大价值
dp[i][j] = dp[i - 1][j];
}
else dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - v[i]] + w[i]); //当前背包容量够装下第i个物品,考虑选不选择装第i个物品,取 不选 与 选 两者较大值--即是最大价值
}
}
cout<<dp[n][m];
return 0;
}
题解2:动态规划--一维dp
一维dp数组中:dp[j]表示容量为 j 的背包能装下的最大价值,初始化dp数组为0
这里需要注意的是:我们需要进行逆序遍历:逆序遍历背包容量是为了保证每个物品只被考虑一次,避免重复计算。(这个可以通过举例理解--建议直接记住)
确定递推公式:
一维dp其实递推公式很好理解,就是dp[j]取选或者不选当前物品的较大值,然后通过遍历判断每一个可以装的物品进行选择是否装入,不断更新dp[j]--这是因为逆序遍历是从背包的最大容量m开始,逆序遍历到当前物品的体积v,这样保证了出现的物品都能装,只是需要选择装不装,哪种情况价值更大。
代码如下:
#include<bits/stdc++.h>
using namespace std;
const int N = 1005;
int n, m;
vector<int> dp(N, 0); //dp[i]:容量为i的背包能装下的最大价值,初始化dp数组为0
int main()
{
cin>>n>>m;
for(int i = 1; i <= n; i++) {
int v, w; //定义两个整型变量v和w,用于存储当前物品的体积和价值
cin>>v>> w; //边输入边处理
for(int j = m; j >= v; j--) { //逆序遍历:从背包的最大容量m开始,逆序遍历到当前物品的体积v--保证都能装下当前物品
dp[j] = max(dp[j], dp[j - v] + w); //取 不选 与 选 当前物品这两种情况的较大值
}
}
cout<<dp[m]<<endl;
return 0;
}
题目二:46. 携带研究材料
题目链接
46. 携带研究材料(第六期模拟笔试) (kamacoder.com)
题目描述
小明是一位科学家,他需要参加一场重要的国际科学大会,以展示自己的最新研究成果。他需要带一些研究材料,但是他的行李箱空间有限。这些研究材料包括实验设备、文献资料和实验样本等等,它们各自占据不同的空间,并且具有不同的价值。
小明的行李空间为 N,问小明应该如何抉择,才能携带最大价值的研究材料,每种研究材料只能选择一次,并且只有选与不选两种选择,不能进行切割。
输入描述
第一行包含两个正整数,第一个整数 M 代表研究材料的种类,第二个正整数 N,代表小明的行李空间。
第二行包含 M 个正整数,代表每种研究材料的所占空间。
第三行包含 M 个正整数,代表每种研究材料的价值。
输出描述
输出一个整数,代表小明能够携带的研究材料的最大价值。
输入示例
6 1 2 2 3 1 5 2 2 3 1 5 4 3
输出示例
5
提示信息
小明能够携带 6 种研究材料,但是行李空间只有 1,而占用空间为 1 的研究材料价值为 5,所以最终答案输出 5。
数据范围:
1 <= N <= 5000
1 <= M <= 5000
研究材料占用空间和价值都小于等于 1000
题解1:动态规划--二维dp
和上边那题基本一致,需要注意的是这里 v[i] 与 w[i] 需要单独输入,而不是刚刚的两两输入。
代码如下:
#include<bits/stdc++.h>
using namespace std;
const int N = 5005;
int m, n;
int v[N];
int w[N];
int dp[N][N] = {0};
signed main() {
cin>>m>>n;
for (int i = 1; i <= m; i++) {
cin>>v[i];
}
for (int i = 1; i <= m; i++) {
cin>>w[i];
}
for (int i = 1; i <= m; i++) {
for (int j = 1; j <= n; j++) {
if (j < v[i]) {
dp[i][j] = dp[i - 1][j];
}
else dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - v[i]] + w[i]);
}
}
cout<<dp[m][n];
return 0;
}
题解2:动态规划--一维dp
无需多言。
#include<bits/stdc++.h>
using namespace std;
const int N = 5000;
int m, n;
int v[N];
int w[N];
vector<int> dp(N, 0); //写成 int dp[N] = {0}; 也可以
signed main() {
cin>>m>>n;
for (int i = 1; i <= m ; i++ ) {
cin>>v[i];
}
for (int i = 1; i <= m; i++) {
cin>>w[i];
}
for (int i = 1; i <= m; i++) {
for (int j = n; j >= v[i]; j--) {
dp[j] = max(dp[j], dp[j - v[i]] + w[i]);
}
}
cout<<dp[n];
return 0;
}
题目三:416.分割等和子集
题目链接
给你一个 只包含正整数 的 非空 数组
nums
。请你判断是否可以将这个数组分割成两个子集,使得两个子集的元素和相等。示例 1:
输入:nums = [1,5,11,5] 输出:true 解释:数组可以分割成 [1, 5, 5] 和 [11] 。示例 2:
输入:nums = [1,2,3,5] 输出:false 解释:数组不能分割成两个元素和相等的子集。提示:
1 <= nums.length <= 200
1 <= nums[i] <= 100
题解:动态规划--一维dp
这道题属实联想不到01背包问题来--可能只是我想不到。我只想到了回溯,不过很显然,回溯会超时--毕竟就跟暴力枚举差不多。
首先就是讨论特殊情况:元素个数小于2,元素值总和是奇数的情况。
再研究如何套用背包模板:在这里看成01背包问题,元素的数值nums[i]既是体积v[i],也是价值w[i];背包物品i:1 - n 这里对应元素下标:0 - n-1
关键理解dp[j]含义:j 表示求和值的最大容纳量(理论上最大),dp[j]是当前从nums获取元素得到子集的元素和的最大值(实际最大值)-- 实际最大值 <= 理论理论值,取等的时候说明集合中的元素正好可以凑成总和target。-- 这么来看,为了求得实际情况的最大值,采用01背包的方式似乎也能说通了。
知道这些后,直接套用刚刚的模板就好了。
代码如下:
class Solution {
public:
bool canPartition(vector<int>& nums) {
if (nums.size() < 2) {
return false;
}
int sum = 0; //记录数组所有元素的和
for (int i = 0; i < nums.size(); i++) {
sum += nums[i];
}
if (sum % 2 == 1) return false; //数组元素求和为奇数--不可能分成两个值相同的子集
int target = sum / 2;
//01背包--一维dp型
vector<int> dp(target + 1, 0); //dp[j]表示最大可容纳子集和为j的背包,放入元素后最大子集和为dp[j]--即f[j] <= j--dp[target]等于target时代表集合中的元素正好可以凑成总和target
for(int i = 0; i < nums.size(); i++) {
for(int j = target; j >= nums[i]; j--) { //逆序遍历:每一个元素一定是不可重复放入,所以从大到小遍历
dp[j] = max(dp[j], dp[j - nums[i]] +nums[i]); //相当于背包里放入数值,那么物品j的体积是nums[j],其价值也是nums[j]
}
}
if (dp[target] == target) {
return true;
}
else return false;
}
};
三、小结
今天打卡的内容相对来说难度不大,很多人都有接触过了。不过也是通过今天的打卡加深理解了01背包问题,巩固了对模板的记忆。今天的打卡到此也就结束了,后边继续努力。