6) 背包问题定义:
背包问题(Knapsack problem)是一个经典的组合优化问题,指的是在给定一组物品和一个限制容量的背包下,如何选择物品放入背包,使得物品的总价值最大化,同时保持在背包容量限制之内。
背包问题通常有两种变体:
1. 0/1背包问题(0/1 Knapsack Problem):每个物品要么完全放入背包,要么不放入,不能切割物品。每个物品有一个固定的重量和价值,背包有一个固定的容量。目标是选择物品放入背包,使得总价值最大化。
2. 分数背包问题(Fractional Knapsack Problem):每个物品可以切割成任意大小,可以选择部分物品放入背包。每个物品有一个固定的重量和价值,背包有一个固定的容量。目标是选择物品放入背包,使得总价值最大化。
这两种背包问题都属于NP完全问题,意味着在一般情况下,没有已知的多项式时间算法可以解决它们。因此,通常使用动态规划、贪心算法或其他近似算法来解决背包问题。
7)背包问题练习题
1)
力扣https://leetcode.cn/problems/partition-equal-subset-sum/这题用动态规划来解,转换为数组中是否有元素组合的和为sum/2。
直观来看,需要一个二维数组。
dp[i][j]表示nums[0,i]中的这i+1个元素能否有和为j的组合。
所以dp[n-1][sum/2]就是我们需要的答案了。
遍历前先是排除一下肯定无解的情况(sum为奇数,最大值比sum/2大)
然后对dp[][0]都赋true值,因为当不选任何元素时,该组合的和就为0。
dp[0][nums[0]]=true,因为当i=0时,只有取和不取nums[0]这两种情况。
最