代码随想录算法训练营第四十一天| 01背包问题二维 416. 分割等和子集

最新推荐文章于 2024-05-30 20:15:33 发布

Dork_41

最新推荐文章于 2024-05-30 20:15:33 发布

阅读量51

点赞数

文章标签：算法

本文链接：https://blog.csdn.net/Dork_41/article/details/134356868

版权

文档讲解：代码随想录

视频讲解：代码随想录B站账号

状态：看了视频题解和文章解析后做出来了

01背包问题二维

def test_2_wei_bag_problem1():
    weight = [1, 3, 4]
    value = [15, 20, 30]
    bagweight = 4

    # 二维数组
    dp = [[0] * (bagweight + 1) for _ in range(len(weight))]

    # 初始化
    for j in range(weight[0], bagweight + 1):
        dp[0][j] = value[0]

    # weight数组的大小就是物品个数
    for i in range(1, len(weight)):  # 遍历物品
        for j in range(bagweight + 1):  # 遍历背包容量
            if j < weight[i]:
                dp[i][j] = dp[i - 1][j]
            else:
                dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i])

    print(dp[len(weight) - 1][bagweight])

test_2_wei_bag_problem1()

时间复杂度：O(n^2)
空间复杂度：O(n^2)

动态规划五部曲：

1. 确定dp数组以及下标的含义：dp[i][j] 表示从下标为[0-i]的物品里任意取，放进容量为j的背包，价值总和最大是多少。

2. 确定递推公式：

那么可以有两个方向推出来dp[i][j]，

不放物品i：由dp[i - 1][j]推出，即背包容量为j，里面不放物品i的最大价值，此时dp[i][j]就是dp[i - 1][j]。(其实就是当物品i的重量大于背包j的重量时，物品i无法放进背包中，所以背包内的价值依然和前面相同。)
放物品i：由dp[i - 1][j - weight[i]]推出，dp[i - 1][j - weight[i]] 为背包容量为j - weight[i]的时候不放物品i的最大价值，那么dp[i - 1][j - weight[i]] + value[i] （物品i的价值），就是背包放物品i得到的最大价值

所以递归公式： dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);

3. dp数组初始化：

j = 0，背包空间为0，存储的最大价值肯定都是0；

i = 0，直到j大于等于i的时候，把i的价值赋予这个背包

其余用0来初始化

4. 确定遍历顺序：先遍历物品再遍历背包，这样更符合这道题的递推逻辑和顺序。

按照先物品后背包：

先背包后物品：

发现其实我们只需要左侧和上面的dp数组的值就可以确定当前，所以第一种显然更符合顺序。

5. 举例推导dp数组：

最后结果就是dp[2][4]

416. 分割等和子集

class Solution:
    def canPartition(self, nums: List[int]) -> bool:
        if sum(nums) % 2 != 0:
            return False
        target = sum(nums) // 2
        dp = [0] * (target + 1)
        for num in nums:
            for j in range(target, num-1, -1):
                dp[j] = max(dp[j], dp[j-num] + num)
        return dp[-1] == target