Day32：代码随想录算法训练营第三十二天|动态规划入门 1.力扣416 分割等和子集 2.力扣1049 最后一块石头的重量

01背包问题的两种形式

01背包的问题简单，标准描述是有一些系列的重物，第i个重物的重量为weight[i]，第i个重物的价值为value[i]，有一个容量为N的背包，求怎样放置重物能使得所携带的价值和最大。
1.第一种采用dp[i][j]
dp[i][j]的含义表示为将0~i物品放入到容量为j的背包中时的最大价值。
这样的含义就显示出了一个类似二维的表的形式。如下：

确定1个背包，然后在不同的重物中去选择，自上到下分别是重物0，重物0~1，重物
0~2的dp情况。
1.这里显然当背包容量为0时，无论重物怎没放都放不进去，也就是说此时正是初始初始化dp数组的时候，即dp[i][0] = 0。
2.这里如果此时重物正好只有一个，且其为最轻的那一个，那么从背包容量为该物品的重量时算起，无论怎么装，肯定能装下，但是由于只能装一个重物，因此价值只能是一个定值，即为该重物的价值，因此dp[0][j] = value[0];
3.对于递推公式，其余的每一个状态的dp都由前一个状态给出。
(1)比如对于dp[2][4],是在说一个容量为4的背包要选择放入0,1,2三个重物，它可能是由dp[1][4]直接推出，也就是说此时的2号重物太大放不进背包，即它一个的重量就超过了整个背包的容积，此时dp[2][4]直接就是dp[1][4]。
(2)然后如果放的下呢，此时就是要有两手打算，一是当去掉2号重物的重量时此时的背包容量在选择0~1去放时能得到的最大价值，这个情况就是dp[2-1][4-wight[2]],当不考虑最后一个重物时，此时这个值是一定放不了重物2的，不像dp[2][4-weight[2]]，这不一定是放不下2号重物，因此是不行的。此时再放入重物i，即dp[2-1][4-weightp[2]] + weight[2]，完全不考虑2号重物的情况下，加入重物2的重量即可的到当前的放了重物weight[2]的情况，这样在这种容量下的背包得到的不一定是最优解，因为可能不放这个重物，我放几个其他的重物会得到价值更高的情况，因此最优因该取max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i])，这里比较的是同一背包容量下的不同装载重物的情况，时刻保持为最大。
4.对于遍历顺序，其实两种都可以，既可以先遍历背包，也可以先遍历物品，均为从前至后的遍历，遍历背包是比较好理解的，一个确定容量的背包操1~i之间选取物品放入，遍历物品也可以，也就在确定物品数量时，讨论不同容量背包的装载重物的情况。
2.第二种采用dp[j]
这种方法采用了重叠覆盖的方法，先遍历物品数，再遍历背包数。如果说先遍历了背包，那么每一次的这个背包得到的值都会是可以装的下的最大重量物品的价值，而不是几种重物的组合而形成的价值，显然这不一定是最优解。而且对于背包的遍历顺序也必须是从大到小，因为在二维的dp中背包的值取决于其上方的左边的值，只有从大到小，大的dp可以向小的dp去找，相反如果我从小到大的话，那么小背包是一个值，每一次的大背包都回加上前一次求出的背包的值，这显然是不合理的，我们并不是要每个背包保持的是一个线性推进的过程。

1.力扣416 分割等和子集

题目描述：
给定一个只包含正整数的非空数组。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。

注意: 每个数组中的元素不会超过 100 数组的大小不会超过 200

示例 1:

输入: [1, 5, 11, 5]
输出: true
解释: 数组可以分割成 [1, 5, 5] 和 [11].

示例 2:

输入: [1, 2, 3, 5]
输出: false
解释: 数组不能分割成两个元素和相等的子集.

提示：

1 <= nums.length <= 200
1 <= nums[i] <= 100

思路：
可以转换为01背包问题，这里的背包容量为sum/2, 因为它这要分成两个和一样的集合，那么就是要选出一些数可以构成一半的值，最后dp的价值也应该是等于sum/2。如果等于了，就说明是true，如果不等于了，那就是false。

代码如下：

class Solution {
public:
    bool canPartition(vector<int>& nums) {
				int sum = 0;
				vector<int> dp(10001, 0);
				for(int i = 0; i < nums.size(); i++){
						sum += nums[i];
				}
				if(sum % 2 == 1) return false;
				int target = sum/2;
				for(int i = 0; i < nums.size(); i++){
					for(int j = target; j >= nums[i]; j++){
					 dp[j] = max(dp[j], dp[j - nums[i]]+nums[i]);
							}
				}
		if(dp[target] == target) return true;
		else return false;				
				
    }
};