416. 分割等和子集
给定一个只包含正整数的非空数组。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。
注意: 每个数组中的元素不会超过 100 数组的大小不会超过 200
示例 1:
输入: [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: [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.
提示:
1 <= nums.length <= 200
1 <= nums[i] <= 100
- 可以用背包思想,如果能找到一半的值正好放入背包内,那么就是可以的。
只有确定了如下四点,才能把01背包问题套到本题上来。
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。
动规五部曲分析如下:
确定dp数组以及下标的含义
01背包中,dp[j] 表示: 容量为j的背包,所背的物品价值最大可以为dp[j]。
本题中每一个元素的数值既是重量,也是价值。
套到本题,dp[j]表示 背包总容量(所能装的总重量)是j,放进物品后,背的最大重量为dp[j]。
那么如果背包容量为target, dp[target]就是装满 背包之后的重量,所以 当 dp[target] == target 的时候,背包就装满了。
有友可能想,那还有装不满的时候?
拿输入数组 [1, 5, 11, 5],举例, dp[7] 只能等于 6,因为 只能放进 1 和 5。
而dp[6] 就可以等于6了,放进1 和 5,那么dp[6] == 6,说明背包装满了。
确定递推公式
01背包的递推公式为:dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
本题,相当于背包里放入数值,那么物品i的重量是nums[i],其价值也是nums[i]。
所以递推公式:dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);
dp数组如何初始化
在01背包,一维dp如何初始化,已经讲过,
从dp[j]的定义来看,首先dp[0]一定是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。
可以这么理解背包问题,实际核心就是对于一件物体背还是不背,然后一件一件尝试将可以放进背包的物品放入,计算得到的val值会不会比以前大,会的话就放入,不会就拿出来试下一件物品
还有一个思考的点,dp初始化的大小是10001,其实target远没有这个大,设了很多空值,实际target+1就够了。
class Solution {
public:
bool canPartition(vector<int>& nums) {
int sum = 0;
// dp[i]中的i表示背包内总和
// 题目中说:每个数组中的元素不会超过 100,数组的大小不会超过 200
// 总和不会大于20000,背包最大只需要其中一半,所以10001大小就可以了
vector<int> dp(10001, 0);
for (int i = 0; i < nums.size(); i++) {
sum += nums[i];
}
// 也可以使用库函数一步求和
// int sum = accumulate(nums.begin(), nums.end(), 0);
if (sum % 2 == 1) return false;
int target = sum / 2;
// 开始 01背包
for(int i = 0; i < nums.size(); i++) { //起始值i为0,因为不用考率i-1越界。
for(int j = target; j >= nums[i]; j--) { // 每一个元素一定是不可重复放入,所以从大到小遍历
dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);
}
}
// 集合中的元素正好可以凑成总和target
if (dp[target] == target) return true;
return false;
}
};
/*
class Solution {
public:
bool canPartition(vector<int>& nums) {
//dp数组意义 dp[i][j] i是物品,j是空间
//int value[i]=nums[i];
int sum=0;
for(int a:nums){
sum+=a;
}
if (sum % 2 != 0) {
return false;
}
int bagweigths=sum/2; //bagweigths是书包的最大承重量
vector<vector<int>> dp(nums.size(),vector<int>(bagweigths+1,0)); //nums.size()不加一是因为第一行不是没有物品,bagweigths+1意思是加了第一列,表示书包容量为空,加的目的是为了代表后边把空间沾满的剩余容量。
//递推公式
//dp[i][j]=max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i])
//初始化方向
for(int j=nums[0];j<=bagweigths;j++){
dp[0][j]=nums[0];
}
for(int i=1;i<nums.size();i++){ //要对所有物品进行遍历,看要不要装进去
for(int j=0;j<=bagweigths;j++){ //如果在背包范围内,就可以考虑。
if(nums[i]>j) dp[i][j] = dp[i - 1][j];
else{
dp[i][j]=max(dp[i-1][j],dp[i-1][j-nums[i]]+nums[i]);
}
}
}
if (dp[nums.size()-1][bagweigths] == bagweigths) return true;
return false;
}
};*/
class Solution {
public:
bool canPartition(vector<int>& nums) {
//dp数组意义 dp[i][j] i是物品,j是空间
//int value[i]=nums[i];
int sum=0;
for(int a:nums){
sum+=a;
}
if (sum % 2 != 0) {
return false;
}
int bagweigths=sum/2; //bagweigths是书包的最大承重量
vector<int> dp(bagweigths+1,0); //nums.size()不加一是因为第一行不是没有物品,bagweigths+1意思是加了第一列,表示书包容量为空,加的目的是为了代表后边把空间沾满的剩余容量。
//递推公式
//dp[i][j]=max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i])
//初始化方向
dp[0][0]=0;
for(int i=1;i<nums.size();i++){ //要对所有物品进行遍历,看要不要装进去
for(int j=bagweigths;j>= nums[i];j--){ //如果在背包范围内,就可以考虑。
dp[i][j]=max(dp[i-1][j],dp[i-1][j-nums[i]]+nums[i]);
}
}
if (dp[nums.size()-1][bagweigths] == bagweigths) return true;
return false;
}
};
class Solution {
public:
int findMaxForm(vector<string>& strs, int m, int n) {
//递推公式意义
//dp[i][j] 该背包中最多有m个0和n个1组合的子集
//递推公式:dp[i][j]=max(dp[i][j],dp[i-weigth[i]][j-weigth[j]]+dp[value[i][j]])
//初始化
vector<vector<int>> dp(m+1,vector<int>(n+1,0));
//遍历方式
for(string str :strs){//遍历物品
int zero=0,one=0;//记录每件物品的重量
for(char s:str){
s=='0'? zero++:one++;
}
for(int i=m;i>=zero;i--){ //遍历背包,
for(int j=n;j>=one;j--){
dp[i][j]=max(dp[i][j],dp[i-zero][j-one]+1);
}
}
}
return dp[m][n];
}
};
总结:
01背包两个递推公式:
排列组合:d[j]+=d[j-nums[i]] 初始化:d[0]=1,因为是0的话1后边都是0;
求最大价值:d[j]=max(d[j],d[j-weight[i]]+value[i]); 先遍历物品,再遍历背包,物品从0开始,背包倒序。
for(int i = 0; i < nums.size(); i++) { //起始值i为0,因为不用考率i-1越界。
for(int j = target; j >= nums[i]; j–) { // 每一个元素一定是不可重复放入,所以从大到小遍历
dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);
}
}