代码随想录算法训练营第45天｜动态规划part04｜01背包问题 二维、 01背包问题 一维、 416. 分割等和子集

代码随想录算法训练营第45天｜动态规划part04｜01背包问题 二维、 01背包问题 一维、 416. 分割等和子集

动态规划：01背包理论基础

动态规划：01背包理论基础

对于面试的话，其实掌握01背包，和完全背包，就够用了，最多可以再来一个多重背包。

所以背包问题的理论基础重中之重是01背包，一定要理解透！

所以我先通过纯01背包问题，把01背包原理讲清楚，后续再讲解leetcode题目的时候，重点就是讲解如何转化为01背包问题了。

动态规划：01背包理论基础（滚动数组）

动态规划：01背包理论基础（滚动数组）

416. 分割等和子集

416. 分割等和子集

代码随想录

思路：

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，写法还是不一样的。

回归主题：首先，本题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。

动规五部曲分析如下：

1. 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，所背的物品价值最大可以为dp[j]。

本题中每一个元素的数值既是重量，也是价值。

套到本题，dp[j]表示 背包总容量（所能装的总重量）是j，放进物品后，背的最大重量为dp[j]。

那么如果背包容量为target， dp[target]就是装满 背包之后的重量，所以 当 dp[target] == target 的时候，背包就装满了。

有录友可能想，那还有装不满的时候？

拿输入数组 [1, 5, 11, 5]，举例， dp[7] 只能等于 6，因为 只能放进 1 和 5。

而dp[6] 就可以等于6了，放进1 和 5，那么dp[6] == 6，说明背包装满了。

2. 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]);

3. dp数组如何初始化
   在01背包，一维dp如何初始化，已经讲过，

从dp[j]的定义来看，首先dp[0]一定是0。

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数组在递推的过程中取得最大的价值，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。

4. 确定遍历顺序

在动态规划：关于01背包问题，你该了解这些！（滚动数组） (opens new window)中就已经说明：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！

5. 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，**理解这一点很重要。

代码：

python

class Solution(object):
    def canPartition(self, nums):
        """
        :type nums: List[int]
        :rtype: bool
        """
        # 确定背包容量
        if sum(nums) % 2 == 1: return False
        target = sum(nums) // 2

        # 1. 确定dp数组
        dp = [0] * (target+1) # dp[j]表示容量为j的背包存放的最大价值为多少

        # 2. 递推公式
        # dp[j] = max(dp[j], dp[j-nums[i]] + nums[i]) # max中的dp[j]表示上一层中容量为j的背包加入物品0到i-1后背包的可以具备的最大价值，dp[j-nums[i]] + nums[i]表示背包容量为j减去当前物品i的体积后还能装下的最大值（也就是没有当前物品i时背包的最大价值）再加上有物品i的价值就是当前背包的最大价值

        # 3. dp数组的初始化
        dp[0] = 0 # 表示容量为0时，背包所能容下的最大价值为0
        # dp[1:]初始化为0，因为只包含正整数，取max时不受影响，可以初始化为0，但是如果有负数，就应该初始化为负无穷

        # 4. 确定遍历顺序
        for i in range(len(nums)): # 物品的数量
            for j in reversed(range(nums[i], target+1)):
                dp[j] = max(dp[j], dp[j-nums[i]] + nums[i])
        '''
        在遍历顺序上有几点疑惑：
        1. 为什么必须是先遍历物品，在遍历容量
        2. 为什么容量是从后向前
        3. 为什么容量要大于等于nums[i]也就是物品i的体积
        解释：
        1. 因为2是从后向前遍历，所以不能轻易调换位置
        2. 从前往后，
        二维dp:i表示[0-i]的物品里任意取，j表示背包容量，dp[i][j]表示最大价值
        一维dp:j表示背包容量，dp[j]表示容量为j的最大价值
        用一维代替二维实际上是用一维表示二维上一层[0:i-1]下各个容量的最大价值
        但如果一旦正序遍历了，那么物品0就会被重复加入多次！
        3. 为什么j要从大于等于nums[i]（物品i的体积）开始，因为j<nums[i]时，dp[j]放不下物品i，也就是还是保持上一次的最大价值，也就是本层循环没必要进行任何操作；并j-nums[i]必须大于等于0才有意义
        '''

        if dp[-1] == target:
            return True
        else:
            return False