【算法模板】动态规划（基础背包篇）—附习题，面试阿里国际站运营一般会问什么

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Python全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024c （备注Python）

正文

🌞文章目的：背包问题解题模板分享🌞

🙏博主也在学习阶段，如若发现问题，请告知，非常感谢🙏

💗同时也非常感谢各位小伙伴们的支持💗

🌈每日一语：物理试卷被风轻拖，岁月蹉跎，都不如，如昨！ 🌈

💗感谢：我只是站在巨人们的肩膀上整理本篇文章，感谢走在前路的大佬们！💗

海賊王になるって、俺は決めたんだから、そのために戦って死ぬなら、別にいい。

我决定了要成为海贼王便要为此而战，就算死也不要紧。

在这里插入图片描述

文章目录

【算法模板】动态规划（基础背包篇）—附习题
- 背包问题简介
经典01背包模板
分类解题模板
- 模板
分割等和子集
爬楼梯（进阶）
组合总和IV
最后一块石头2
掷骰子的N种方法
总结和习题
参考

背包问题简介

背包问题（Knapsack problem） 是一种组合优化的 NP 完全问题。问题可以描述为：给定一组物品，每种物品都有自己的重量和价格，在限定的总重量内，我们如何选择，才能使得物品的总价格最高。问题的名称来源于如何选择最合适的物品放置于给定背包中。

而目前的背包问题大致可以分为九解，俗称背包九解。而今天给大家带来比较常见的几种背包问题的秒杀模板！！！

常见的背包类型主要有以下几种：

1、0/1背包问题：每个元素最多选取一次
2、完全背包问题：每个元素可以重复选择
3、组合背包问题：背包中的物品要考虑顺序
4、分组背包问题：不止一个背包，需要遍历每个背包

且每个背包的要求也是不同的，经常会有一下一些问题：

最大/小值问题。
是否存在问题。
组合问题。

而这些问题基本上是涵盖了很多背包问题，所以本篇文章就带大家来透过迷雾看本质！！！

本篇文章时博主站在巨人们的肩膀上整理出来文章。如果哪个地方不足，还请大佬们斧正，我将不尽感激！！

经典01背包模板

先来个简单的入门背包。

很过分必须发朋友圈 - 最近很火的熊猫头表情包_熊猫头_斗图表情

01背包简介：

01背包是背包问题中入门的一个背包问题，一般01背包是每个元素最多选取一次。

我们来看一个最最最经典的01背包习题：

也就说这个背包是最经典入门问题，我们先来看一下它的二维数组的解题模板。

Python版本：

def a(item,cap):

#创建一个二维数组

key = [[0 for _ in range(cap + 1)] for _ in range(len(item) + 1)]

#进行循环判断

for y in range(1,len(item) +1):

#记录每个物品的重量和价值

value = item[y-1][0]

weight = item[y-1][1]

#循环背包容量

for x in range(cap+1):

#如果背包容量大于该物品重量，进行判断原来的背包价值，和加上这个物品后价值的比较取最大值。

if x >= weight:

key[y][x] = max(key[y-1][x] , key[y-1][x - weight]+value)

#如果小于，就直接继承上面的值。

else:key[y][x] = key[y-1][x]

return key[-1][-1]

item = [[1,2],[4,3],[5,6],[6,7]]

cap = 10

print(a(item,cap))

Java版本：

class Solution {

public int Beibao(int[] c, int a) {

int[][] dp = new int[c.length + 1][a + 1];

for (int i = 0 ; i < c.length ; i ++){

value = c[i][0];

weight = c[i][1];

for (int j = 1 ; j < a + 1 ; j ++){

if (j >= weight){

dp[i][j] = Math.min(dp[i - 1][j - weight] +value , dp[i - 1][j]) ;

}

else{

dp[i][j] = dp[i - 1][j];

}

return dp[-1][-1];

}

OK，我们是看过了上面的二维模板，其实我们能进行一个优化，将其转化为一维的dp空间。转换的时候第二个循环需要倒序，这个是一个对初学者比较难理解的问题，博主建议大家可以去B站找一个视频看一下动态的讲解。

一维模板：

Python版：

def a(item,cap):

#创建一个二维数组

key = [0 for _ in range(cap + 1)]

#进行循环判断

for y in range(1,len(item) +1):

#记录每个物品的重量和价值

value = item[y-1][0]

weight = item[y-1][1]

#循环背包容量,倒序记着

for x in range(cap,-1,-1):

#如果背包容量大于该物品重量，进行判断原来的背包价值，和加上这个物品后价值的比较取最大值。

if x >= weight:

key[x] = max(key[x] , key[x - weight]+value)

#如果小于，就直接继承上面的值。

else:key[x] = key[x]

return key[-1]

item = [[1,2],[4,3],[5,6],[6,7]]

cap = 10

print(a(item,cap))

Java版本：

class Solution {

public int Beibao(int[] c, int a) {

int[][] dp = new int[a + 1];

for (int i = 0 ; i < c.length ; i ++){

value = c[i][0];

weight = c[i][1];

for (int j = a ; j >= 0 ; j --){

if (j >= weight){

dp[j] = Math.min(dp[j - weight] +value , dp[j]) ;

}

else{

dp[j] = dp[j];

}

return dp[-1];

}

分类解题模板

模板

在上述中我们知道了一些常见的背包问题，其实在上述每个问题中都是适用于下面的总结：

首先是背包分类的模板：

1、0/1背包：外循环nums,内循环target,target倒序且target>=nums[i];
2、完全背包：外循环nums,内循环target,target正序且target>=nums[i];
3、组合背包(考虑顺序)：外循环target,内循环nums,target正序且target>=nums[i];
4、分组背包：这个比较特殊，需要三重循环：外循环背包bags,内部两层循环根据题目的要求转化为1,2,3三种背包类型的模板

然后是问题分类的模板：

1、最值问题: dp[i] = max/min(dp[i], dp[i-nums]+1)或dp[i] = max/min(dp[i], dp[i-num]+nums);
2、存在问题(bool)：dp[i]=dp[i]||dp[i-num];
3、组合问题：dp[i]+=dp[i-num];

上面这个真的是对做这种背包问题十分十分重要的！！！

分割等和子集

416. 分割等和子集

题目：

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] 。

思路：

本题可以说是一个非常经典的 01背包 问题。首先当这个 nums和为奇数的时候肯定是不满足本题要求的，所以肯定就直接排除。当为偶数的时候，我们可以以nums 数组和的一半当作 背包容量 ，且nums里面的元素当作物品。当然这个也是一个 存在问题 ，所以这个我们就可以直接套用上述的 模板2 （dp[i]=dp[i]||dp[i-num]）。

代码部分

Java版本：

class Solution {

public boolean canPartition(int[] nums) {

//计算数组nums的和

int sum = 0;

for (int s : nums){

sum += s;

}

//判断和是否为偶数

if (sum % 2 != 0) return false;

int t = sum / 2;//获取背包容量

boolean[] dp = new boolean[t + 1];//dp数组的创建

dp[0] = true;//设置最开始的为True，因为最开始的背包容量为0的时候肯定是True

for (int i = 0; i < nums.length; i++){//外循环为nums

int c = nums[i];

for (int j = t; j > 0 ; j–){//内循环为target，且一定要使用倒序，这个不明白的可以看最后的参考部分

if (j == c) dp[j] = true;//当nums中的物品等于背包容量时，肯定是为True的

if (j >= c) {//这个就需要判断nums数组中是相加是否能满足背包容量吗

dp[j] = dp[j] || dp[ j- c ];

}

return dp[t];//最后返回结果

}

Python版本：

class Solution:

def canPartition(self, nums: List[int]) -> bool:

s = sum(nums)

if s % 2 != 0:

return False

s //= 2

dp = [False] * (s + 1)

for i in range(len(nums)):

x = nums[i]

for j in range(s, 0,-1):

if x == j :

dp[j] = True

else:

if j - x >= 0:

dp[j] = dp[j] or dp[j - x]

else:

dp[j] = dp[j]

return dp[s]

OK，这个 01背包问题 大家可以去练习练习哦！！！

在这里插入图片描述

爬楼梯（进阶）

70. 爬楼梯

题目：

假设你正在爬楼梯。需要 n 阶你才能到达楼顶。

每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢？

示例1：

输入：n = 2

输出：2

解释：有两种方法可以爬到楼顶。

1 阶 + 1 阶
2 阶

首先本题是一个非常简单的 DP 问题，我们可以使用一维的 DP数组 来进行求解，且很快就能解出来。但是，如果我们把题目给换一个下—— 将爬楼梯的方法改为1、2、3、4…这样这个就是完全背包问题，且就可以把方法当作物品，楼梯阶数当作背包容量，且满足上诉的第三类模块—dp[i]+=dp[i-num] 且这个就是一个外循环target和内循环nums。OK，接下来我们来看代码解析。

代码部分

Java版本：

class Solution {

public int climbStairs(int n) {

int[] dp = new int[n + 1];//定义dp数组

dp[0] = 1;//初始化dp数组，第一个下标值为1

for (int i = 1; i < n + 1; i++){//外循环target从1开始

for (int j = 1 ; j < 3 ; j++){//内循环nums

if (i >= j){//判断如果背包容量大于物品重量则计算共有多少种

dp[i] += dp[i - j];

}

return dp[n];