字符串part03
day42-1 ●01背包问题 二维
背包问题概述
01背包、完全背包、多重背包、混合背包、分组背包
01背包:有n种物品每种物品只有一个
完全背包:有n种物品每种物品有无限个
多重背包:有n种物品每种物品的个数不相同
背包问题:每个物品有自己的重量也有自己的价值,一个重量最多放m的背包,问这个背包最多能装价值为多少的物品
背包暴露解法
暴力解法:每个物品取与不取,回溯算法进行暴力搜索
回溯算法就是解决多重for循环的
dp数组含义
i:物品
j:容量
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。
递推公式
dp数组初始化
遍历顺序/打印dp数组
二维数组实现的背后问题两种顺序都可以
46.携带研究材料
import java.util.*;
public class Main{
public static void main(String[] args){
Scanner sc = new Scanner(System.in);
// 物品种类 M
int M = sc.nextInt();
// 背包容量 N
int N = sc.nextInt();
int[] values = new int[M];
int[] weights = new int[M];
for(int i = 0; i < M; i++){
weights[i] = sc.nextInt();
}
for(int i = 0; i < M; i++){
values[i] = sc.nextInt();
}
int[][] dp = new int[M][N + 1];
// 初始化
for(int j = weights[0]; j <= N; j++){
dp[0][j] = values[0];
}
// 先物品
for(int i = 1; i < M; i++){
// 后背包
for(int j = 0; j <= N; j++){
// 如果装不下这个物品,那么就继承dp[i - 1][j]的值
if(weights[i] > j){
dp[i][j] = dp[i - 1][j];
// 如果能装下,就将值更新为 不装这个物品的最大值 和 装这个物品的最大值 中的 最大值
}else{
dp[i][j] = Math.max(dp[i-1][j], dp[i - 1][j - weights[i]] + values[i]);
}
}
}
System.out.println(dp[M - 1][N]);
}
}
day42-2 ● 01背包问题 一维
一维dp 01背包概述
i
、j
和dp[i][j]
的含意:是0到物品i之间的物品任意取放进容量为j的最大价值为dp[i][j]
滚动数组解题
dp数组含义
dp[j]
: 容量为 j
的背包所能装的最大价值为dp[j]
递推公式
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
- 一个是取dp[j]相当二维数组中的[i - 1][j],即不放物品
- 另一个是取dp[j - weight[i]] + value[i], 即放物品i
dp数组初始化
dp[0]就应该是0,因为背包容量为0所背的物品的最大价值就是0
避免覆盖问题:初始化为0的原因是让dp数组在递归公式的过程中取的最大的价值,而不是被初始值覆盖
遍历顺序
倒序遍历是为了保证物品i只被放入一次
代码实现
import java.util.*;
public class Main{
public static void main(String[] args){
Scanner sc = new Scanner(System.in);
// 物品种类 M
int M = sc.nextInt();
// 背包容量 N
int N = sc.nextInt();
int[] values = new int[M];
int[] weights = new int[M];
for(int i = 0; i < M; i++){
weights[i] = sc.nextInt();
}
for(int i = 0; i < M; i++){
values[i] = sc.nextInt();
}
// 动态规划数组,dp[j]代表容量为j时最大价值
int[] dp = new int[N + 1];
// 填充动态规划表
for(int i = 0; i < M; i++){
for(int j = N; j >= weights[i]; j--){
dp[j] = Math.max(dp[j],dp[j - weights[i]] + values[i]);
}
}
System.out.println(dp[N]);
}
}
day42-3 ●416. 分割等和子集
解题思路
背包问题有多种背包方式,常见的有:01背包、完全背包、多重背包、分组背包和混合背包等等。
一个商品如果可以重复多次放入是完全背包,而只能放入一次是01背包
回溯算法暴力搜索也行但是可能会超时
在集合中每个元素只能使用一次,然后集合里面的元素能不能装满容量为11的背包,即是01背包问题
dp含意
dp[j]:容量为j的背包它所背的最大价值为dp[j]
重量=价值
递推公式
weight[i] = value[i];
初始化
dp[0] = 0;
正整数的最小值避免覆盖问题
遍历顺序
遍历物品顺序
遍历背包逆序
代码实现
class Solution {
// 一维数组版
public boolean canPartition(int[] nums) {
if (nums == null || nums.length == 0) {
return false;
}
int sum = 0;
for (int num : nums) {
sum += num;
}
// 总和为奇数,不能平分
if (sum % 2 != 0) {
return false;
}
int target = sum / 2;
// 初始化+dp创建
int[] dp = new int[target + 1];
for (int i = 0; i < nums.length; i++) {
for (int j = target; j >= nums[i]; j--) {
// 物品 i 的重量是num[i], 其价值也是nums[i]
dp[j] = Math.max(dp[j], dp[j - nums[i]] + nums[i]);
}
// 剪枝
if (dp[target] == target) {
return true;
}
}
return dp[target] == target;
}
}
打印
使用二维数组的时候可以打印
总结
难点在:
- 抽象成01背包问题
- 如何初始化
- 确定遍历顺序