一、使用一维dp数组
1. dp数组的定义: dp[ j ] 表示背包最大容量为 j 时,所背的物品最大价值。
2. 递推公式: dp[ j ] = max( dp[ j ] , dp[ j - weight[ i ] ] + value[ i ] )
3. 遍历过程:对于每一个物品,都要从 dp[ bagweight ] 开始遍历到 dp[ weight[i] ]。从后往前是为了防止一次遍历过程前面的物品放入多次。
4. 代码实现:
for(int i = 0; i < weight.size();i++)
{
for(int j = bagweight; j >= weight[i]; j-- )
{
dp[j] = max(dp[j], dp[j-weight[i]]+value[i]);
}
}
二、背包问题的应用: 416.分隔等和子集
1、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。
2、思路
要把数组nums分割成两个和相等的子集,只需把数组nums的总和加起来除以2,就是要求的一个子集的元素和target。
那么就先保证数组nums的总和是一个偶数,这是能平分数组的基础。
接着就是找数组里的元素,使它们的和为target。
这里就可以用0/1背包来求解,只需稍微改变一下递推公式。
原本的递推公式是:dp[ j ] = max( dp[ j ] , dp[ j - weight[ i ] ] + value[ i ] )
改变后就是:dp[ j ] = max( dp[ j ] , dp[ j - nums[ i ] ] + nums[ i ] ), nums数组里的元素代表的重量和价值就是该元素的大小。
如果最终的dp[ target ]等于target,就证明可以分割为两个元素和相等的子集。
3、代码实现
class Solution {
public:
bool canPartition(vector<int>& nums) {
int sum = 0;
for(int i = 0;i < nums.size();i++)
{
sum += nums[i];
}
if(sum % 2 == 1) return false;
int bagweight = sum/2;
vector<int> dp (bagweight+1,0);
for(int i = 0; i < nums.size();i++)
{
for(int j = bagweight; j >= nums[i];j--)
{
dp[j] = max(dp[j],dp[j-nums[i]]+nums[i]);
}
}
if(dp[bagweight] == bagweight)
return true;
else return false;
}
};
三、背包问题的应用:494.目标和
1、题目描述
给你一个非负整数数组 nums
和一个整数 target
。
向数组中的每个整数前添加 '+'
或 '-'
,然后串联起所有整数,可以构造一个 表达式 :
- 例如,
nums = [2, 1]
,可以在2
之前添加'+'
,在1
之前添加'-'
,然后串联起来得到表达式"+2-1"
。
返回可以通过上述方法构造的、运算结果等于 target
的不同 表达式 的数目
2、思路
设在nums数组的元素总和为sum, 在里面取正的元素总和为m,取负的元素总和为n,那么m + n = sum, 且m - n = target, 合并两个式子可以得到 m = (sum + target) / 2, 由此可以得出有上述的表达式的前提条件是sum + target为偶数,且sum > |target|。
接下来就是,知道了m的值,要计算m有多少种组合方式。
递推公式还是dp[ j ] += dp[ j - nums[ i ] ],先遍历数组元素,再从后往前遍历背包大小。
3、代码实现
class Solution {
public:
int findTargetSumWays(vector<int>& nums, int target) {
int sum = 0;
for(int i = 0;i<nums.size();i++)
sum+=nums[i];
if(abs(target) > sum )
return 0;
else if((sum+target)%2 == 1)
return 0;
int bagsize = (sum+target)/2;
vector<int>dp(bagsize+1,0);
dp[0] = 1;
for(int i = 0; i < nums.size();i++)
{
for(int j = bagsize;j >= nums[i];j--)
{
dp[j] += dp[j-nums[i]];
}
}
return dp[bagsize];
}
};