动态规划——0-1背包问题

典型背包问题！

代码如下：

状态： 可选择的物品、可装的重量

选择：装 or 不装

d[i][w]:表示在前i个物品可选的情况下，可装重量为w的情况下，最大的价值

class Solution:
    def bagFunc(self, W, N, weight, val ):
        dp = [[0] * (w+1) for i in range(N+1)]
        for i in range(1,N):# 遍历物品  状态1
            for w in range(1,W): # 遍历能承受的重量可能情况  状态2
                if w-weight[i-1] < 0:#此时已经装不下了，那就只能跳过
                    dp[i][w] = dp[i-1][w] # 选择1 不装
                else:
                    dp[i][w] = max(dp[i-1][w], dp[i][w-weight[i-1]]+val[i-1]) # 选择1 2 装或不装
        return dp[n][w] # 返回最后的情况

0-1背包的应用问题

 分割等和子集🔗

参考链接

class Solution:
    def canPartition(self, nums: List[int]) -> bool:
        # 转换成 没有有背包大小为sum(nums)/2, 物品个数为len(nums)，重量为nums[i]。刚好能把背包装满
        # 状态 背包重量  ， 可选择的物品
        # 选择 装或者不装
        # 状态转移方程
        summ = sum(nums)
        if summ %2 !=0: return False
        W = int(summ/2)
        n = len(nums)
        dp = [[False]*(W+1) for i in range(n+1)]
        for i in range(n+1):
            dp[i][0] = True

        for i in range(1, n+1):
            for w in range(1,W+1):
                if w  - nums[i-1] < 0: 
                    dp[i][w] = dp[i-1][w]
                else:
                    dp[i][w] = dp[i-1][w] or dp[i-1][w-nums[i-1]]
        return dp[n][W]