算法笔记|Day30动态规划III
※※※※※0-1背包问题理论
基本题目描述
有n件物品和一个最多能背重量为w的背包,第i件物品的重量是weight[i],得到的价值是value[i] 。每件物品只能用一次,求解将哪些物品装入背包里物品价值总和最大。
题目分析
采用二维数组
1.dp数组含义:i表示物品,j表示背包容量,dp[i][j]表示从下标为0到i的物品里任取放进容量为j的背包最大的价值总和;
2.递推公式:dp[i][j]=dp[i-1][j](j <weight[i])(如果装不下这个物品,那么就继承dp[i-1][j]的值),dp[i][j]=Math.max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i])(j>=weight[i])(如果能装下这个物品,若不放物品i:由dp[i-1][j]推出,即背包容量为j,里面不放物品i的最大价值,此时dp[i][j]就是dp[i - 1][j];若放物品i:由dp[i-1][j-weight[i]]推出,dp[i-1][j-weight[i]]为背包容量为j-weight[i]的时候不放物品i的最大价值,那么dp[i-1][j-weight[i]]+value[i],就是背包放物品i得到的最大价值);
3.初始化:dp[i][0]=0(背包容量j为0,背包价值总和一定为0),dp[0][j]=value[0](j >=weight[0])(i为0表示存放编号0的物品时各个容量的背包所能存放的最大价值,若j<weight[0]的时候,dp[0][j]应该是0,因为背包容量比编号0的物品重量还小;若j>=weight[0]时,dp[0][j]应该是value[0],因为背包容量放足够放编号0物品)
4.遍历顺序:先遍历物品或背包容量均可以,从左向右,从上向下。
采用一维数组(滚动数组)
1.dp数组含义:j表示背包容量,dp[j]表示容量为j的背包最大的价值总和;
2.递推公式:dp[j]=Math.max(dp[j],[j-weight[i]]+value[i])(j>=weight[i])(如果能装下这个物品,若不放物品i:dp[j]不变化;若放物品i:由dp[j-weight[i]]推出,dp[j-weight[i]]为背包容量为j-weight[i]的时候的最大价值,那么dp[j-weight[i]]+value[i],就是背包放物品i得到的最大价值);
3.初始化:dp[0]=0(背包容量j为0,背包价值总和一定为0);
4.遍历顺序:先遍历物品嵌套遍历背包容量,背包容量一定是要倒序遍历。
☆☆☆☆☆leetcode 416. 分割等和子集
题目链接:leetcode 416. 分割等和子集
题目分析
此题判断是否可以将这个数组分割成两个子集,也就是判断能否找到一些元素的和为sum/2,其中sum为集合中各个元素的和。注意到若sum为奇数直接返回true即可,若不为奇数,则相当于背包问题。
1.dp数组含义:dp[j]表示和不超过target的几个数和的最大值(相当于0-1背包问题中的容量为j的背包最大的价值总和);
2.递推公式:dp[j]=Math.max(dp[j],[j-nums[i]]+nums[i])(j>=nums[i])(相当于集合中每个元素的weight和value相同,都是数值nums);
3.初始化:dp[0]=0;
4.遍历顺序:先遍历数字嵌套遍历target,target一定是要倒序遍历。
代码
class Solution {
public boolean canPartition(int[] nums) {
int len=nums.length;
int sum=0;
for(int num:nums)
sum+=num;
if(sum%2!=0)
return false;
int target=sum/2;
int dp[]=new int[target+1];
for(int i=0;i<len;i++){
for(int j=target;j>=nums[i];j--){
dp[j]=Math.max(dp[j],dp[j-nums[i]]+nums[i]);
}
}
return dp[target]==target;
}
}