代码随想录训练营 Day35打卡 动态规划 part03
一、01背包理论基础
二维dp数组
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。
我们需要使用二维数组,为什么呢?
因为有两个维度需要表示,分别是:物品 和 背包容量
如图,二维数组为 dp[i][j]。
dp[i][j] 表示从下标为[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。
对于递推公式,首先我们要明确有哪些方向可以推导出 dp[i][j]。
这里我们dp[1][4]的状态来举例:
绝对 dp[1][4],就是放物品1 ,还是不放物品1。
如果不放物品1, 那么背包的价值应该是 dp[0][4] 即 容量为4的背包,只放物品0的情况。
推导方向如图:
如果放物品1, 那么背包要先留出物品1的容量,目前容量是4,物品1 需要重量为3,此时背包剩下容量为1。
容量为1,只考虑放物品0 的最大价值是 dp[0][1],这个值我们之前就计算过。
所以 放物品1 的情况 = dp[0][1] + 物品1 的重量,推导方向如图:
以上过程,抽象化如下:
不放物品i:由dp[i - 1][j]推出,即背包容量为j,里面不放物品i的最大价值,此时dp[i][j]就是dp[i - 1][j]。
放物品i:由dp[i - 1][j - weight[i]]推出,dp[i - 1][j - weight[i]] 为背包容量为j - weight[i]的时候不放物品i的最大价值,那么dp[i - 1][j - weight[i]] + value[i] (物品i的价值),就是背包放物品i得到的最大价值
递归公式: dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
一维dp数组
对于背包问题其实状态都是可以压缩的。
其实可以发现如果把dp[i - 1]那一层拷贝到dp[i]上,表达式完全可以是:dp[i][j] = max(dp[i][j], dp[i][j - weight[i]] + value[i]);
与其把dp[i - 1]这一层拷贝到dp[i]上,不如只用一个一维数组了,只用dp[j](一维数组,也可以理解是一个滚动数组)。
这就是滚动数组的由来,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。
读到这里估计大家都忘了 dp[i][j]里的i和j表达的是什么了,i是物品,j是背包容量。
dp[i][j] 表示从下标为[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。
可以看出相对于二维dp数组的写法,就是把dp[i][j]中i的维度去掉了。
这里大家发现和二维dp的写法中,遍历背包的顺序是不一样的!
二维dp遍历的时候,背包容量是从小到大,而一维dp遍历的时候,背包是从大到小。
为什么呢?
**倒序遍历是为了保证物品i只被放入一次!**但如果一旦正序遍历了,那么物品0就会被重复加入多次!
举一个例子:物品0的重量weight[0] = 1,价值value[0] = 15
如果正序遍历
dp[1] = dp[1 - weight[0]] + value[0] = 15
dp[2] = dp[2 - weight[0]] + value[0] = 30
此时dp[2]就已经是30了,意味着物品0,被放入了两次,所以不能正序遍历。
为什么 倒序遍历 ,就可以 保证物品只放入一次 呢?
倒序就是先算dp[2]
dp[2] = dp[2 - weight[0]] + value[0] = 15 (dp数组已经都初始化为0)
dp[1] = dp[1 - weight[0]] + value[0] = 15
所以从后往前循环,每次取得状态不会和之前取得状态重合,这样每种物品就只取一次了。
二、力扣416. 分割等和子集
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 :
输入:nums = [1,5,11,5]
输出:true
解释:数组可以分割成 [1, 5, 5] 和 [11] 。
要明确本题中我们要使用的是01背包,因为元素我们只能用一次。
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
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。
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]);
如果dp[j] == j 说明,集合中的子集总和正好可以凑成总和j,理解这一点很重要。
最后dp[11] == 11,说明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。
代码实现
class Solution:
def canPartition(self, nums: List[int]) -> bool:
_sum = 0
# dp[i] 表示背包容量为 i 时,背包能够达到的最大重量
# 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
# 因此数组元素的总和不会大于 20000,背包最大只需要其中一半的容量,所以初始化 dp 数组的大小为 10001
dp = [0] * 10001
# 计算数组元素的总和
for num in nums:
_sum += num
# 也可以使用内置函数一步求和
# _sum = sum(nums)
# 如果总和是奇数,那么不可能分割成两个和相等的子集,直接返回 False
if _sum % 2 == 1:
return False
# 目标是找到一个子集,使得该子集的和等于总和的一半
target = _sum // 2
# 开始 0-1 背包问题的求解
for num in nums:
# 从后向前遍历 dp 数组,这是为了保证每个元素只能使用一次
for j in range(target, num - 1, -1):
# 状态转移方程:dp[j] 表示容量为 j 的背包,最大可以放的重量
# 通过选择当前元素 num,我们可以得到新的状态 dp[j] = max(dp[j], dp[j - num] + num)
dp[j] = max(dp[j], dp[j - num] + num)
# 如果 dp[target] == target,说明我们可以找出一个子集,其和正好等于 target
if dp[target] == target:
return True
# 否则返回 False
return False