算法|Day36 动态规划4

0/1 背包问题

二维数组解法：

解题思路

1. 确定dp数组（dp table）以及下标的含义

dp[i][j]:背包大小为j，从0-i的物品取可以取得的最大价值。

1. 确定递推公式

首先我们需要明确，物品只有取和不取两种状态。

不取物品i： 就是dp[i-1][j] ，这表示的是取0~i-1物品所能取的最大价值，也就是不取物品i时最大价 值。

当取物品i时：就是dp[i][j-weight[i]]+value[i] ，因为当我们取 物品i 时，也就是需要将物品i的重 量减去并且加上其价值。

所以递推公式也就是dp[i][j] = max(dp[i-1][j],dp[i][j-weight[i]]+value[i]);

1. dp数组如何初始化

目前我们用的是二维数组，所以我们将第一列全部初始化为0，因为背包容量为0时，不管有多少物品 可以装，价值都是0。将第一行初始化，装不下物品0的地方初始化为0，装得下的地方就初始化为物 品0的价值

1. 确定遍历顺序

由于我们当前dp[i][j]是可以通过上面的状态和左上角的状态推导出来的。即下图

所以我们可以先遍历物品再遍历背包，或者先遍历背包再遍历物品

1. 举例推导dp数组

// weight数组的大小 就是物品个数
for(int i = 1; i < weight.size(); i++) { // 遍历物品
    for(int j = 0; j <= bagweight; j++) { // 遍历背包容量
        if (j < weight[i]) dp[i][j] = dp[i - 1][j];
        else dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);

    }
}

一维数组解法：

1. 确定dp数组（dp table）以及下标的含义

dp[j]:容量为j的背包，所背的物品价值可以最大为dp[j]

1. 确定递推公式

首先我们需要明确，物品只有取和不取两种状态。

不取物品i： 就是dp[j] ，这表示的是取0~i-1物品所能取的最大价值，也就是不取物品i时最大价 值。

当取物品i时：就是dp[j-weight[i]]+value[i] ，因为当我们取 物品i 时，也就是需要将物品i的重 量减去并且加上其价值。

所以递推公式也就是dp[j] = max(dp[j],dp[j-weight[i]]+value[i]);

1. dp数组如何初始化

我们应该将数组全部初始化为0，因为每次更新我们都选择更大的一个数，如果初始化数是很大的， 那就会将原本的答案全部覆盖了。

1. 确定遍历顺序

当我们用的是二维数组时，我们当前dp[i][j]是可以通过上面的状态和左上角的状态推导出。压缩成一 维数组，也就是左上的数据全都压缩到左边去了。

对于一维数组，首先我们需要倒序遍历其容量。因为前一次的状态是在左边，如果我们正序遍历，那就会覆盖掉前一次的状态，而倒序遍历，我们就可以成功使用前一次的状态来进行更新。由于我们前面是倒序遍历容量。那我们只能先遍历物品，再遍历背包重量。不然每次都只会装一个物品。

1. 举例推导dp数组

LeetCode 416- 分割等和子集

题目链接：力扣

题目描述：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。

解题思路

首先，我们可以将本题抽象为一道动态规划的题目。将所有数字都加起来得到sum,再取target = sum/2。

如果是奇数，那肯定是false。如果是偶数那就来判断是否能够组成一个值，等于target，如果可以那就是true；

1. 确定dp数组（dp table）以及下标的含义

dp[i]：给定整数i，可以装的物品的最大价值。

1. 确定递推公式

使用一维数组，也就是dp[j] = max(dp[j],dp[j-weight[i]]+value[i]);

1. dp数组如何初始化

全部初始化为0

1. 确定遍历顺序

由于我们是一维数组，所以要先遍历物品也就是数字，然后遍历背包容量也。并且容量是倒序遍历的。

1. 举例推导dp数组

class Solution {
public:
    bool canPartition(vector<int>& nums) {
        int sum = 0;

        // dp[i]中的i表示背包内总和
        // 题目中说：每个数组中的元素不会超过 100，数组的大小不会超过 200
        // 总和不会大于20000，背包最大只需要其中一半，所以10001大小就可以了
        vector<int> dp(10001, 0);
        for (int i = 0; i < nums.size(); i++) {
            sum += nums[i];
        }
        // 也可以使用库函数一步求和
        // int sum = accumulate(nums.begin(), nums.end(), 0);
        if (sum % 2 == 1) return false;
        int target = sum / 2;

        // 开始 01背包
        for(int i = 0; i < nums.size(); i++) {
            for(int j = target; j >= nums[i]; j--) { // 每一个元素一定是不可重复放入，所以从大到小遍历
                dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);
            }
        }
        // 集合中的元素正好可以凑成总和target
        if (dp[target] == target) return true;
        return false;
    }
};

总结：

• 首先这题想到是动态规划题很难，其次递推公式也难想，需要多练习。