0/1 背包问题
二维数组解法:
解题思路
- 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。
- 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]);
- 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
- 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
- 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:
- 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]
- 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]);
- 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。
- 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。
- 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;
- 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。
- 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]);
- dp数组如何初始化
全部初始化为0
- 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。
- 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。