动态规划 DP （五） 背包问题

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