第十五天打卡——背包问题

最新推荐文章于 2024-07-12 10:45:15 发布

Zhang-echo

最新推荐文章于 2024-07-12 10:45:15 发布

阅读量65

点赞数

分类专栏：刷题——代码随想录文章标签：算法动态规划

本文链接：https://blog.csdn.net/m0_72668725/article/details/132484568

版权

刷题——代码随想录专栏收录该内容

17 篇文章 0 订阅

订阅专栏

背包问题

完全背包是也是01背包稍作变化而来，即：完全背包的物品数量是无限的。

所以背包问题的理论基础重中之重是理解01背包问题。

01背包二维dp数组

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。

举个例子，背包最大重量为4。物品为：

	重量	价值
物品0	1	15
物品1	3	20
物品2	4	30

问背包能背的物品最大价值是多少？

动规五部曲

1、明确dp数组的含义和下标重点

dp[ i ][ j ]：从下标为[0-i]的物品里任意取，放进容量为j的背包，价值总和最大是多少。

2、确定递推公式难点及关键点！！！

有两个方向可以推出来dp[i][j]

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]。(其实就是当物品i的重量大于背包j的重量时，物品i无法放进背包中，所以背包内的价值依然和前面相同。)

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] （物品i的价值），就是背包放物品i得到的最大价值

所以递归公式： dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);

3、初始化dp数组重点

首先初始化第一列：背包容量j为0的话，即dp[i][0]，无论是选取哪些物品，背包价值总和一定为0。
根据递推公式，可以看出 i 是由 i-1 推导出来，需要初始化第一行：dp[0][j]，即 i为0，存放编号0的物品的时候，各个容量的背包所能存放的最大价值。 j < weight[0]的时候，dp[0][j] = 0，当j >= weight[0]时，dp[0][j] = value[0]。
初始化剩余值：其他下标初始化需要是最小值，后续会被max覆盖。如果题目给的价值都是正整数那么非0下标都初始化为0就可以了，如果题目给的价值有负数，那么非0下标就要初始化为负无穷。

4、明确遍历顺序

如图可以看出，dp数组有两个遍历的维度：物品与背包重量。

根据递推公式，从上图中可以看出，dp[i][j]的数值，一个来源于它的上方，一个来自于它的左上方(不一定是邻近的)。

根据循环遍历，无论是先遍历物品还是先遍历背包重量，都会在[i][j]之前先把它的上方和左上方数值遍历到。所以无论先遍历哪个都可以。先遍历物品会更好理解些（先遍历第一行）

5、打印dp数组（debug验证用）

01背包滚动数组

滚动数组就是把二维dp数组降为一维dp数组。

同个例子，背包最大重量为4。物品为：

	重量	价值
物品0	1	15
物品1	3	20
物品2	4	30

问背包能背的物品最大价值是多少？

动规五部曲

1、明确dp数组的含义和下标重点

dp[ j ]：容量为j的背包，所背的物品价值总和最大是多少。

2、确定递推公式难点及关键点！！！

dp[j]同样可以通过两个选择推出来

不放物品i：由dp[ 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[j]就相当于二维数组中的dp[i - 1][j]。（不放物品 i 就相当于不覆盖原来的数据，就是把上一层的数据拷贝下来）

放物品i：取dp[ j - weight[i] ] + value[ i ]

所以递归公式： dp[j] = max(dp[j], dp[ j - weight[i] ] + value[i]);

3、初始化dp数组

dp[0] = 0;

非0下标也初始化0，因为后续还需要被覆盖掉。

4、明确遍历顺序重点

for(int i = 0; i < weight.size(); i++) { // 遍历物品
    for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
        dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
    }
}

倒序遍历

二维dp遍历的时候，背包容量是从小到大，而一维dp遍历的时候，背包是从大到小。倒序遍历是为了保证物品 i 只被放入一次，但如果一旦正序遍历了，那么物品0就会被重复加入多次。

先物品后背包

两个for循环的顺序也不能颠倒，先遍历物品再遍历背包容量。如果反过来，会导致dp数组记录的都是一个物品的数值了，就变成了重量j的背包能够放的物品的最大价值。

5、打印dp数组（debug验证用）

416. 分割等和子集

本题可以利用回溯法暴力解决，但容易超时。可以用回溯法，尝试解决如下两题：

698.划分为k个相等的子集（待刷）

473.火柴拼正方形（待刷）

01背包思路：确定4点

背包的体积为sum / 2
背包要放入的商品（集合里的元素）重量为元素的数值，价值也为元素的数值
背包如果正好装满，说明找到了总和为 sum / 2 的子集。
背包中每一个元素是不可重复放入。

以上分析完，我们就可以套用01背包，来解决这个问题了。

动规五部曲：

1、明确dp数组的含义和下标

dp[ j ]：背包容量为j，所背物品的最大价值为dp[ j ]。

2、确定递推公式

dp[j] = max(dp[j], dp[ j - nums[i] ] + nums[i]);

3、初始化dp数组

dp[0] = 0; 如果题目给的价值都是正整数那么非0下标都初始化为0就可以了，如果题目给的价值有负数，那么非0下标就要初始化为负无穷。

4、明确遍历顺序

1、倒序遍历 2、先物品后背包

5、打印dp数组（debug验证用）

1049. 最后一块石头的重量 II

本题其实就是尽量让石头分成重量相同的两堆，相撞之后剩下的石头最小。

怎么自己想不出来呢！！！

思路有了，后续实现是常规的背包问题。

实现过程中遇到的问题，不知道返回的结果怎么表示。答：

dp[n]里是容量为n的背包所能背的最大重量。n = sum / 2

那么分成两堆石头，一堆石头的总重量是dp[ n ]，另一堆就是sum - dp[ n ]。

在计算n的时候，n = sum / 2 因为是向下取整，所以sum - dp[n] 一定是大于等于dp[n]的。

那么相撞之后剩下的最小石头重量就是 ( sum - dp[ n ] ) - dp[ n ]。

本题其实和416. 分割等和子集 (opens new window)几乎是一样的，只是最后对dp[target]的处理方式不同。上一题相当于是求背包是否正好装满，而本题是求背包最多能装多少。

494. 目标和

思路很重要！也很奇妙

对nums数中的元素或作加法、或作减法，使其目标值等于target(S)。从整体来看就是，令加法的总和 - 减法的总和 = target。假设作加法的总和为x，作减法的总和为sum-x：

target = x - (sum - x) —> x = (target + sum) / 2;

tip：如果(target + sum) / 2，不能整除，则说明是无解的。

所以问题就转换成了装满容量为x的背包，有几种方法。

动规五部曲：

1、明确dp数组的含义和下标

dp[j]：装满容量为 j 的背包，有 dp[j] 种方法。

2、确定递推公式 关键！！！

dp[j] += dp[j - nums[i]] （所有利用背包求排列组合问题的公式，都是类似这种）

只要搞到nums[i]，凑成dp[j]就有dp[j - nums[i]] 种方法。

例如：dp[j]，j 为5，

已经有一个1（nums[i]）的话，有 dp[4]种方法凑成容量为5的背包。
已经有一个2（nums[i]）的话，有 dp[3]种方法凑成容量为5的背包。
已经有一个3（nums[i]）的话，有 dp[2]中方法凑成容量为5的背包
已经有一个4（nums[i]）的话，有 dp[1]中方法凑成容量为5的背包
已经有一个5 （nums[i]）的话，有 dp[0]中方法凑成容量为5的背包

那么凑整dp[5]有多少方法呢，也就是把 所有的 dp[j - nums[i]] 累加起来。

3、初始化dp数组

根据递推公式，可以得出dp[0] = 1。

4、明确遍历顺序

1、内循环倒序遍历 2、先物品( nums[i] )后背包( x )

5、打印dp数组（debug验证用）

474.一和零

本题是含有两个维度的01背包问题。

动规五部曲：

1、明确dp数组的含义和下标

dp[i][j]：最多由 i 个0，j 个1的条件下，可装入的strs最大子集的长度

2、确定递推公式 关键！！！

dp[i][j] = max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1);

tips：zeroNum，oneNum是当前遍历到的数组中某个字符串的0的个数和1的个数。

如果类比max(dp[j], dp[ j - weight[i] ] + value[i])，zeroNum和oneNum就相当于两个维度的weight[i]，+1相当于+value[i]。

3、初始化dp数组

dp[0] = 0;

4、明确遍历顺序

1、倒序遍历 2、先物品(strs)后背包(m,n)

5、打印dp数组（debug验证用）

完全背包

完全背包和01背包问题唯一不同的地方就是，每种物品有无限件。

首先介绍纯背包问题：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] 。每件物品都有无限个（也就是可以放入背包多次），求解将哪些物品装入背包里物品价值总和最大。

01背包和完全背包唯一不同就是体现在遍历顺序上

动规五部曲

1、明确dp数组的含义和下标

dp[ j ]：容量为j的背包，所背的物品价值总和最大是多少。

2、确定递推公式

与01背包相同： dp[j] = max(dp[j], dp[ j - weight[i] ] + value[i]);

3、初始化dp数组

dp[0] = 0;非0下标也初始化0，因为后续还需要被覆盖掉。

4、明确遍历顺序关键点以及区别处！！！

内循环正序遍历

倒序遍历就是为了保证物品 i 只被放入一次，如果改为正序遍历了，那么物品0就会被重复加入多次。

完全背包不限制物品的个数，允许被重复加入多次，所以需要改为正序遍历。

纯背包问题中物品和背包循环嵌套顺序无所谓

在完全背包中，对于一维dp数组来说，其实两个for循环嵌套顺序是无所谓的！

因为dp[j] 是根据下标j之前所对应的dp[j]计算出来的。只要保证下标j之前的dp[j]都是经过计算的就可以了。

5、打印dp数组（debug验证用）

518. 零钱兑换 II

本题的递推公式，与494. 目标和 (opens new window)中的递推公式是一致的，都属于组合问题，而本题的难点在于遍历顺序。

在求装满背包有几种方案的时候，认清遍历顺序是非常关键的。

如果求组合数就是外层for循环遍历物品，内层for遍历背包。 先遍历行

for (int i = 0; i < coins.size(); i++) { // 遍历物品
    for (int j = coins[i]; j <= amount; j++) { // 遍历背包容量
        dp[j] += dp[j - coins[i]];
    }
}

如果求排列数就是外层for遍历背包，内层for循环遍历物品。先遍历列

for (int j = 0; j <= amount; j++) { // 遍历背包容量
    for (int i = 0; i < coins.size(); i++) { // 遍历物品
        if (j - coins[i] >= 0) dp[j] += dp[j - coins[i]];
    }
}

377. 组合总和 Ⅳ

本题属于排列问题。明确递推遍历顺序：先背包后物品

假设：coins[0] = 1，coins[1] = 5。

背包容量的每一个值，都是经过 1 和 5 的计算，包含了{1, 5} 和 {5, 1}两种情况。

此时dp[j]里算出来的就是排列数

70. 爬楼梯（进阶）

改为：一步可以一个台阶，两个台阶，三个台阶，.......，直到 m个台阶。问有多少种不同的方法可以爬到楼顶呢？每一阶可以重复使用，例如跳了1阶，还可以继续跳1阶。

马上从斐波那契数列问题变成求排列数的完全背包问题。

322. 零钱兑换

动态规划五部曲

1、明确dp数组的含义和下标

dp[ j ]：凑成为 j 的总金额，所需的最少硬币个数为dp[ j ]。

2、确定递推公式

dp[j] = min(dp[j], dp[ j - coins[i] ] + 1); // 只有dp[ j - coins[ i ] ]不是初始最大值时，该位才有选择的必要。

if (dp[j - coins[i]] != Integer.MAX_VALUE){
    dp[j] = Math.min(dp[j], dp[j - coins[i]] + 1);
}

3、初始化dp数组

dp[0] = 0；其余值初始化为Integer.MAX_VALUE

4、明确遍历顺序

1、正序 2、先物品后背包

279.完全平方数

思路同上题。

代码实现中需要注意的地方就是完全平方数的遍历，问题不大，一刷ac。

139.单词拆分

这个题有点绕，二刷的时候注意些。

动规五部曲

1、明确dp数组的含义和下标

dp[i] : 字符串长度为 i 的话，dp[i]为true，表示可以拆分为一个或多个在字典中出现的单词。

2、确定递推公式

j < i，如果 [ j ~ i-1] 区间的单词在字符串中出现过，且dp[ j ]为true，则dp[ i ]为true

3、初始化dp数组

dp[0] = true；其余值初始化为false。

4、明确遍历顺序

求排列数(字符串前后顺序不能变换)，先背包后物品

问题：为什么dp数组的含义把长度为i，变成下标为 i 会报错？？区间长度改的也都改了

多重背包

总结

Zhang-echo

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
第十五天打卡——背包问题

背包问题所以背包问题的理论基础重中之重是理解01背包问题。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]。，求解将哪些物品装入背包里物品价值总和最大。举个例子，背包最大重量为4。问背包能背的物品最大价值是多少？
复制链接

扫一扫