0-1背包基础:
辛辛苦苦画了一张图!解析了一波代码,0-1背包的模板!
主要是这个递推公式的理解:因为物品只有两种状态:放与不放!
(1)不放该物品的第一种情况:
if cur_weight>j:
dp[i][j]=dp[i-1][j]
当前物品容量大于背包的容量时,那肯定是放不下了,就不放这个物品,那就是从dp[i][j]意思为在0到i-1的范围内,随机选物品放到容量为j的背包时的最大价值。
(2)不放该物品的第二种情况和放物品的情况:
else:
n1=dp[i-1][j]
n2=dp[i-1][j-cur_weight]+cur_val
dp[i][j]=max(dp[i-1][j],dp[i-1][j-cur_weight]+cur_val)
如果当前物品的重量小于背包的容量,那就考虑要放还是不放。
不放的话max取dp[i-1][j]
这里的不放,是因为放了没有不放最大价值高。
放的话,max取dp[i-1][j-cur_weight]+cur_val
,先拿到不放该物品的最大价值,再加上当前物品的最大价值。(感叹这样的写法好聪明啊!)
分割等和子集:416
又学习了一道!这题没想到能用背包去做,关键是只要从题意中学会转化,套上背包模板,就很好写了,直接套的。
dp数组图(以后直接用二维的了,滚动数组的以后再说吧,还是二维的好理解一些啊!)
具体代码如下:
def canPartition(self,nums):
sum_=sum(nums)
if sum_%2==1:
return False
target=sum_//2
dp=[[0 for _ in range(target+1)] for _ in range(len(nums))]
for j in range(nums[0],target+1):
dp[0][j]=nums[0]
#先遍历物品再遍历背包
for i in range(1,len(nums)):
for j in range(1,target+1):
if j>=nums[i]:
dp[i][j]=max(dp[i-1][j],dp[i-1][j-nums[i]]+nums[i])
else:
dp[i][j]=dp[i-1][j]
return dp[len(nums)-1][target]==target
难点:
(1)怎么把它转化成背包问题,脑子得转过来这个弯儿。
(2)递推公式的理解。