01背包问题 二维dp数组
背包问题:用若干件物品装入固定容量的背包,使得背包内物品价值最大,我们有若干件物品体积的数组,也有物品价值的数组。
01背包问题:每件物品只有一个。
在解决背包问题时,明确递归五部曲:
1、dp[i][j]数组含义:从[0,i]个物品放在容量为j的背包中获得的最大价值。
2、递推公式:分两种情况(1)没有放物品i:dp[i][j]=dp[i-1][j];(2)放了物品i:dp[i][j]=dp[i-1][j-weight[i]]。(这个思路很难想)那么递推公式就是取其中的最大值。
3、初始化:根据数组含义,以及递推公式,需要初始化第一行和第一列。
4、遍历顺序:由于使用二维数组,遍历顺序是从前往后,并且先遍历横坐标(物品)还是先遍历纵坐标(背包)是都可以的。
5、打印dp数组。
本题在力扣上没有原题,所以贴卡哥代码如下:
//二维dp数组实现
#include <bits/stdc++.h>
using namespace std;
int n, bagweight;// bagweight代表行李箱空间
void solve() {
vector<int> weight(n, 0); // 存储每件物品所占空间
vector<int> value(n, 0); // 存储每件物品价值
for(int i = 0; i < n; ++i) {
cin >> weight[i];
}
for(int j = 0; j < n; ++j) {
cin >> value[j];
}
// dp数组, dp[i][j]代表行李箱空间为j的情况下,从下标为[0, i]的物品里面任意取,能达到的最大价值
vector<vector<int>> dp(weight.size(), vector<int>(bagweight + 1, 0));
// 初始化, 因为需要用到dp[i - 1]的值
// j < weight[0]已在上方被初始化为0
// j >= weight[0]的值就初始化为value[0]
for (int j = weight[0]; j <= bagweight; j++) {
dp[0][j] = value[0];
}
for(int i = 1; i < weight.size(); i++) { // 遍历科研物品
for(int j = 0; j <= bagweight; j++) { // 遍历行李箱容量
// 如果装不下这个物品,那么就继承dp[i - 1][j]的值
if (j < weight[i]) 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
// 装这个物品的最大值由容量为j - weight[i]的包任意放入序号为[0, i - 1]的最大值 + 该物品的价值构成
else dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
}
}
cout << dp[weight.size() - 1][bagweight] << endl;
}
int main() {
while(cin >> n >> bagweight) {
solve();
}
return 0;
}
01背包问题 一维dp数组
使用二维dp数组时,本行dp数组的值是由上一行dp数组的值得到,因为我们就可以只维护一行dp数组来不断更新最新的一行数据。
贴卡哥代码如下,与二维dp数组的区别在于初始化(全赋值为0)和遍历顺序上,遍历顺序中,必须先遍历物品再遍历背包容量,因为是要不断更新行,在遍历背包容量时要从后往前遍历,因为由递推公式可以得到,当前值更新需要用到左上角和上面的值,为了保证左上角的值不被提前更新覆盖,我们需要从后往前遍历。
// 一维dp数组实现
#include <iostream>
#include <vector>
using namespace std;
int main() {
// 读取 M 和 N
int M, N;
cin >> M >> N;
vector<int> costs(M);
vector<int> values(M);
for (int i = 0; i < M; i++) {
cin >> costs[i];
}
for (int j = 0; j < M; j++) {
cin >> values[j];
}
// 创建一个动态规划数组dp,初始值为0
vector<int> dp(N + 1, 0);
// 外层循环遍历每个类型的研究材料
for (int i = 0; i < M; ++i) {
// 内层循环从 N 空间逐渐减少到当前研究材料所占空间
for (int j = N; j >= costs[i]; --j) {
// 考虑当前研究材料选择和不选择的情况,选择最大值
dp[j] = max(dp[j], dp[j - costs[i]] + values[i]);
}
}
// 输出dp[N],即在给定 N 行李空间可以携带的研究材料最大价值
cout << dp[N] << endl;
return 0;
}
LeetCode416. 分割等和子集
使用暴力回溯,代码如下,会发现超时了,因此考虑用动态规划。
class Solution {
public:
int path_sum = 0;
int sum = 0;
bool backtracking(vector<int>& nums,int startIndex){
if(path_sum*2 == sum){
return true;
}else if(startIndex>=nums.size()){
return false;
}
for(int i=startIndex;i<nums.size();i++){
path_sum += nums[i];
if(path_sum*2>sum){
path_sum -= nums[i];
break;
}
bool res = backtracking(nums,i+1);
if(res) return true;
path_sum -= nums[i];
}
return false;
}
bool canPartition(vector<int>& nums) {
for(int i=0;i<nums.size();i++){
sum += nums[i];
}
sort(nums.begin(),nums.end());
return backtracking(nums,0);
}
};
本题动态规划的思路是将这道题抽象为一个01背包问题:nums数组里面的数即为物品的重量,看他是否能装满target容量的背包,这里target即为原数组总和的一半。
那么每个物品的价值也可以用nums[i]表示,如果恰巧能装满,则dp[target]=target,如果在中途就出现了dp数组的值=target,那么也可以直接输出true。
代码如下:时间复杂度O(n^2);空间复杂度O(n)。
class Solution {
public:
int sum = 0;
bool canPartition(vector<int>& nums) {
for(int i=0;i<nums.size();i++){
sum += nums[i];
}
if(sum%2==1) return false;
vector<int> dp(sum/2+1,0);
for(int i=0;i<nums.size();i++){
for(int j=sum/2;j>=nums[i];j--){
dp[j] = max(dp[j],dp[j-nums[i]]+nums[i]);
if(dp[j]==sum/2) return true;
}
}
return false;
}
};