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]);
}
}