代码随想录
01背包问题
背包问题基本上只要掌握01 和完全背包即可
01背包是一个商品只能放入一次
完全背包是一个商品能放入大于一次
关键是 背包的容量
物品的 重量 价值 体积
暴力的解法可以用回溯, 它是2^n指数级别的时间复杂度,所以需要用动态规划优化
二维数组01背包
dp[i][j]表示从0-i的物品里任意取,放进容量为j的背包,价值总和最大是多少。
遍历物品再遍历背包(推荐)
以及
先遍历背包再遍历物品
都是可以的
初始化需要初始化dp[0][j]和dp[j][0]因为每次遍历都需要左上角的信息
递推公式:比较当前物品i 在当前容量j下是放入背包 的价值更大 还是不放入背包的价值更大。
dp[i][j]=max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i])
用一维度代替二维
只能先遍历物品后背包,且背包容量需要倒叙遍历
416. 分割等和子集
思路
用回溯法暴力搜索,只要能找到相加=nums的总和一般的,就返回true
背包问题:
容量:nums数组的求和除以2.
物品的价值是数组内元素
物品的体积是数组内元素
d[i][j]表示第0-i个商品,放入容量为j的背包的最大价值
如果 dp[sum/2]=sum/2就说明达到了
一维的递推公式:
dp[j]=max(dp[j],dp[j-nums[i]]+nums[i])
初始化:
dp[0]=0
代码
class Solution {
public boolean canPartition(int[] nums) {
if(nums.length<=1) return false;
int target = 0;
for(int i = 0;i<nums.length;i++){
target += nums[i];
}
if(target%2 ==1)return false;
target/=2;
int dp[] = new int[target+1];
for(int i =0;i<nums.length;i++){
for(int j=target;j>=nums[i];j--){
dp[j]=Math.max(dp[j],dp[j-nums[i]]+nums[i]);
}
if(dp[target]==target) return true;
}
return false;
}
}
注意:需要把dp数组大小初始化为target+1,因为是下标从0开始,否则无法取到容量大小为target。