01背包问题 二维
有n件物品和一个最多能背重量为w 的背包。第i件物品的重量是weight[i],得到的价值是value[i] 。每件物品只能用一次,求解将哪些物品装入背包里物品价值总和最大。
思路
这道题一开始的想法就是列举出所有的情况,再找到价值最大的那个,但是有点懵,不知道从何处下手,暴力的解法是什么样?
其实暴力的解法就是回溯:每一件物品其实只有两个状态,取或者不取,所以可以使用回溯法搜索出所有的情况,那么时间复杂度就是 o ( 2 n ) o(2^n) o(2n),这里的n表示物品数量。
暴力的解法是指数级别的时间复杂度。进而才需要动态规划的解法来进行优化!
动态规划五部曲
- 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。
- 确定递推公式
对于每件物品,其实我们都有两种可能性:有可能放入的总体价值高,也有可能不放这件物品,把空间留着给以后的东西总体价值更高。所以可以分为两类:
- 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,此时因为物品i
没有被放入,dp[i][j]
就和前面i-1
个物品的最大价值dp[i - 1][j]
相同。(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,所以被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,除开当前物品i
,背包容量为j - weight[i]
,里面要放除开物品i
的前面i-1
个物品的最大价值,再加上当前物品i的价值value[i]
,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])
;
- dp数组如何初始化
-
如果背包容量
j
为0的话,即dp[i][0]
,无论是选取哪些物品,都装不下,背包价值总和一定为0 -
因为在递归公式里有
i-1
,i
为0的时候就一定要初始化,i
为0,存放编号0的物品的时候,只要背包容量j >= weight[0]
,背包容量放足够放编号0物品,dp[0][j]
应该是value[0]
-
其他下标应该初始化多少呢?递归公式:
dp[i][j] = max(dp[i - 1][j], dp[i - 1][] + value[i])
,因为有i-1
在当前dp[i][j]
的上方,有j - weight[i]
在当前dp[i][j]
的左方,所以dp[i][j]
是由左上方数值推导出来的,那么 其他下标初始为什么数值都可以,因为都会被覆盖。(在java中初始化为0)
- 确定遍历顺序
先遍历物品更好理解
// weight数组的大小 就是物品个数
for(int i = 1; i < weight.size(); i++) { // 遍历物品
for(int j = 0; j <= bagweight; j++) { // 遍历背包容量
if (j < weight[i]) dp[i][j] = dp[i - 1][j];
else dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
}
}
- 举例推导dp数组
背包最大重量为4。
物品为:
重量 | 价值 | |
---|---|---|
物品0 | 1 | 15 |
物品1 | 3 | 20 |
物品2 | 4 | 30 |
01背包问题 一维
仔细观察二维的dp数组,就会发现每行的更新都只会用到上一行的值,把dp[i - 1]
那一层拷贝到dp[i]
上,表达式完全可以是:dp[i][j] = max(dp[i][j], dp[i][j - weight[i]] + value[i])
;
那么其实一维数组就可以解决我们的背包问题,只用dp[j]
,重新动规五部曲
动态规划五部曲
- 确定dp数组的定义
在一维dp数组中,dp[j]
表示:容量为j
的背包,所背的物品价值可以最大为dp[j]
。
- 一维dp数组的递推公式
-
不放物品i:
dp[j]
可以通过dp[j - weight[i]]
推导出来,dp[j - weight[i]]
表示容量为j - weight[i]
的背包所背的最大价值。 -
放物品i:
dp[j - weight[i]] + value[i]
表示如果除开当前的物品i
容量为j - weight[i]
,现在放入物品i
的背包 加上 物品i
的价值value[i]
。(也就是容量为j
的背包,放入物品i
了之后的价值即:dp[j]
)
递推公式:dp[j] = max(dp[j], dp[j - weight[i]] + value[i])
- 一维dp数组如何初始化
dp[j]
表示:容量为j
的背包,所背的物品价值可以最大为dp[j]
,那么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。
dp数组在推导的时候一定是取价值最大的数,如果题目给的价值都是正整数那么非0下标都初始化为0就可以了。
这样才能让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了。
- 一维dp数组遍历顺序
这里需要倒序遍历:列表后面的值需要通过与前面的值比较确定,因此要先处理
这里有2个解释:
-
二维数组利用的是左上和正上方的数据,转换为一维数组,就要利用左边数据,如果正序遍历每次更新数值,都相当于覆盖了上一层(左边)的值,此时随着往后遍历,
j
的值也增大,有时会用到之前左侧的结果,然而之前的结果已经被我们更新过了,原来的数值我们已经丢失了,此时就会出错。 -
这里倒序保证物品只放了一次的是,在二维数组放入物品i前的背包状态处于
[i - 1][j - weight[i]]
,这里是肯定没有放入物品i
的,也就是保留了没有放入物品i
,容量为j - weight[i]
的状态。但是压缩为一维数组后,若正序遍历
j
,放入物品i
前的背包状态[j - weight[i]]
会经过更新,在本题即状态更新为 放入了物品i
或 没有放入物品i
二者其一。若更新为 放入物品i
则之后状态更新会将此背包状态当作没有放入物品i
的状态进行更新,在本题更新体现为 又一次放入了物品i
。若倒序
j
,状态方程中使用的前一个状态[j - weight[i]]
肯定在[j]
前,也就是在物品i
本轮遍历j
,状态方程所使用的状态[j - weight[i]]
(即没有放入物品i
的状态,在二维数组中体现为状态[i - 1][j - weight[i]]
) 肯定不会在本轮更新为放入物品i
的状态(即二维数组中的[i][j - weight[i]]
),即保证物品在此轮遍历j
中只放了一次。
而且这里先遍历物品再遍历背包,如果先遍历背包的话,dp数组就存的全是同一个物品的数值
- 举例推导dp数组
背包最大重量为4。
物品为:
重量 | 价值 | |
---|---|---|
物品0 | 1 | 15 |
物品1 | 3 | 20 |
物品2 | 4 | 30 |
416. 分割等和子集
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。
思路
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。
那么只要找到集合里能够出现 sum / 2 的子集总和,就算是可以分割成两个相同元素和子集了。
本题可以用01背包来解决(元素只能用一次)
所以现在题目变为:要求集合里能否出现总和为 sum / 2 的子集。
那么来一一对应一下本题,看看背包问题如何来解决。
只有确定了如下四点,才能把01背包问题套到本题上来。
- 背包的体积为sum / 2
- 背包要放入的商品(集合里的元素)重量为 元素的数值,价值也为元素的数值
- 背包如果正好装满,说明找到了总和为 sum / 2 的子集。
- 背包中每一个元素是不可重复放入。
动态规划五部曲
- 确定dp数组以及下标的含义
01背包中,dp[j] 表示: 容量为j的背包,所背的物品价值可以最大为dp[j]。
套到本题,dp[j]表示 背包总容量是j,最大可以凑成j的子集总和为dp[j]。
- 确定递推公式
01背包的递推公式为:dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
本题,相当于背包里放入数值,那么物品i的重量是nums[i],其价值也是nums[i]。
所以递推公式:dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);
- dp数组如何初始化
从dp[j]的定义来看,首先dp[0]一定是0。
如果如果题目给的价值都是正整数那么非0下标都初始化为0就可以了,如果题目给的价值有负数,那么非0下标就要初始化为负无穷。
这样才能让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了。
本题题目中 只包含正整数的非空数组,所以非0下标的元素初始化为0就可以了。
int[] dp = new int[target + 1];
数组大小只用nums总和的一半,加上一个0
- 确定遍历顺序
如果使用一维dp数组,物品遍历的for循环放在外层,遍历背包的for循环放在内层,且内层for循环倒序遍历
// 开始 01背包
for (int i = 0; i < nums.length; i++) {
for (int j = target; j >= nums[i]; j--) {
//物品 i 的重量是 nums[i],其价值也是 nums[i]
dp[j] = Math.max(dp[j], dp[j - nums[i]] + nums[i]);
}
}
- 举例推导dp数组
dp[j]的数值一定是小于等于j的。
如果dp[j] == j 说明,集合中的子集总和正好可以凑成总和j
以示例1为例:
最后dp[11] == 11,说明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。
完整代码
public boolean canPartition(int[] nums) {
int sum = 0;
for (int num : nums) {
sum += num;
}
// 如果和为奇数,肯定不能平分
if (sum % 2 != 0) {
return false;
}
// 不为奇数就新设置一个target
int target = sum / 2;
int[] dp = new int[target + 1];
// 开始 01背包
for (int i = 0; i < nums.length; i++) {
for (int j = target; j >= nums[i]; j--) {
//物品 i 的重量是 nums[i],其价值也是 nums[i]
dp[j] = Math.max(dp[j], dp[j - nums[i]] + nums[i]);
}
}
// 集合中的元素正好可以凑成总和target
if (dp[target] == target) return true;
return false;
}