提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
背景
以LeetCode416题为例,讲解0,1背包问题的求解思路
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。
示例 1:
输入:nums = [1,5,11,5]
输出:true
解释:数组可以分割成 [1, 5, 5] 和 [11] 。
示例 2:
输入:nums = [1,2,3,5]
输出:false
解释:数组不能分割成两个元素和相等的子集。
一、解题思路
这是一道典型的[0, 1]背包问题,从题目中我们可以知道,求解的目标值target为数组和的一半。int sum = 0;
for (int num : nums){
sum += num;
}
//如果和不为偶数,则不符合题目要求
if(sum % 2 != 0){
return false;
}
int target = sum / 2;
下一步思路:
数组中是否存在子集,这个子集和为target。
物品一个一个选,容量也一点一点增加去考虑,这一点是「动态规划」的思想,特别重要。
在实际生活中,我们也是这样做的,一个一个地尝试把候选物品放入「背包」,通过比较得出一个物品要不要拿走。
具体步骤:
- 构造一个nums.length行,target+1列的二维Boolean型表格dp[nums.length][target+1],行是物品的个数,列是背包的容量。(由于本题中nums的值为正整数,所以第一列实际没有用,这里保证列号和nums的数值对应用)。
- 状态与状态转移方程:第i行数据表示,前i个nums数据可以组成的和的结果。
例如{1,2,3,4},sum = 10; target = 5;
0 | 1 | 2 | 3 | 4 | 5 | |
---|---|---|---|---|---|---|
1 | T | F | F | F | F | |
2 | T | T | T | F | F | |
3 | T | T | T | T | T | |
4 | T | T | T | T | T |
我们在计算完成dp表格后,只需判断dp[i][target]即最后一列是否为true即可。
-
状态转移方程:
第i行的内容可以从i-1行继承而来,并且dp[i][nums[i]]也为true,还有上一行可以组合成的求和结果,再加上当前行的值,重新组合成的sum结果也为true。
dp[i][j] = dp[i - 1][j] or dp[i - 1][j - nums[i]] -
一般写出状态转移方程以后,就需要考虑初始化条件。
j - nums[i] 作为数组的下标,一定得保证大于等于 0 ,因此 nums[i] <= j;
注意到一种非常特殊的情况:j 恰好等于 nums[i],即单独 nums[j] 这个数恰好等于此时「背包的容积」 j,这也是符合题意的。
二、计算实例
输入:nums = [1,5,11,5]
输出:true
解释:数组可以分割成 [1, 5, 5] 和 [11] 。
代码如下(示例):
public class Solution {
public boolean canPartition(int[] nums) {
int len = nums.length;
// 题目已经说非空数组,可以不做非空判断
int sum = 0;
for (int num : nums) {
sum += num;
}
// 特判:如果是奇数,就不符合要求
if ((sum & 1) == 1) {
return false;
}
int target = sum / 2;
// 创建二维状态数组,行:物品索引,列:容量(包括 0)
boolean[][] dp = new boolean[len][target + 1];
// 先填表格第 0 行,第 1 个数只能让容积为它自己的背包恰好装满
if (nums[0] <= target) {
dp[0][nums[0]] = true;
}
// 再填表格后面几行
for (int i = 1; i < len; i++) {
for (int j = 0; j <= target; j++) {
// 直接从上一行先把结果抄下来,然后再修正
dp[i][j] = dp[i - 1][j];
if (nums[i] == j) {
dp[i][j] = true;
continue;
}
if (nums[i] < j) {
dp[i][j] = dp[i - 1][j] || dp[i - 1][j - nums[i]];
}
//如果有子集和等于target,提前结束
if (dp[i][target]) {
return true;
}
}
}
return dp[len - 1][target];
}
}
总结
复杂度分析:
- 时间复杂度:O(NC)O(NC)O(NC):这里 NNN 是数组元素的个数,CCC 是数组元素的和的一半。
- 空间复杂度:O(NC)O(NC)O(NC)。
这是一种典型的动态规划问题,用dp表格来记录可能的情况。
后续可以继续优化空间使用。