day44--动态规划4

背包问题

        01背包问题，

•  01背包问题， 滚动数组  

•  416. 分割等和子集 

掌握01背包、完全背包

01背包

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。

一个物品有双重特性，且要求满足特性一的条件下让特性二最大

动态规划方法：

（1）确定dp数组及其下标含义

二维数组：dp[i][j] ,表示从物体0,1,....i中任意取，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

对于物品有两种对应措施：放或者不放

不放物品i：那么当前物品价值和i-1的时候一样，即dp[i][j]等于dp[i-1][j]

放物品i:      那么dp[i][j]可以由dp[i-1][j-weight[i]] +value[i]得到，在i-1的价值基础上加上物体i，容量减少j-weight[i]，然后再增加了value[i]的价值

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

（3）dp数组初始化

首先数组第一列为0，因为容量为0的话，无论放什么物品均为0，

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。

那么很明显当 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。

当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。

然后根据背包容量和物体重量判断第一行的重量，如果物体重量大于背包容量，那就放不进去，所以为0。

for(int j=0;j<weight[0];j++)
{
dp[0][j]=0;
}
//正序遍历
for(int j=weight[0];j<=bagweight;j++)
{
dp[0][j]=value[0];
}

然后将其他位置先置0，然后根据判断准则进行重新赋值

（4）确定遍历顺序

可以先遍历物品，也可以先遍历背包，也就是说遍历物品就是从上到下，从左到右；先遍历背包就是从左到右，从上到下。

本题选择先遍历物品

//weight数组的大小，就是物品个数
for(int i=1;i<weight.size();i++){//先遍历物品
    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]);
}
}

滚动数组

也就是01背包问题降维到1维数组解决。

需要满足的条件是上一层可以重复利用，直接拷贝到当前层。

（1）确定dp数组及其下标含义

在一维数组中，dp[j]表示：容量为j的背包，所背的物品价值可以最大为dp[j];

（2）一维数组dp的推导公式

和前面的思考一样，对于物体i ,可以选择放进去也可以选择不放进去

所以dp[j]可以通过dp[j-weight[i]]推导出来，dp[j-weight[i]]表示放进物品i后，此时容量还有j-weight[i]

而此时放进物品i后，价值dp[j]变为dp[j-weight[i]]+value[i]

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

（3）一维dp数组如何初始化

首先初始为0，然后不断递归

（4）一维数组dp遍历顺序

先遍历物品，再遍历背包容量

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]);    
}
}

略难，将前面的二维数组切成一维数组，每一个物品单独遍历。

第三题：分割子集

本题可看做01背包问题，将子集要求的target作为背包容量，每个元素作为物品价值和重量，要求满足sum=target的条件下找到合适的元素，用一维数组的方法。

//01背包
        for(int i=0;i<nums.size();i++)
        {
            for(int j=target;j>=nums[i];j--){
                dp[j]=max(dp[j],dp[j-nums[i]]+nums[i]);
            }
        }