代码随想录刷题营Day42（0-1背包理论基础，416：分割等和子集）

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。