理论一:01背包理论和实现
链接
视频总结
关键点
代码(二维dp数组)
思路一:
def test_2_wei_bag_problem1(bag_size, weight, value) -> int:
rows, cols = len(weight), bag_size + 1
dp = [[0 for _ in range(cols)] for _ in range(rows)]
# 初始化dp数组.
for i in range(rows):
dp[i][0] = 0
first_item_weight, first_item_value = weight[0], value[0]
for j in range(1, cols):
if first_item_weight <= j:
dp[0][j] = first_item_value
# 更新dp数组: 先遍历物品, 再遍历背包.
for i in range(1, len(weight)):
cur_weight, cur_val = weight[i], value[i]
for j in range(1, cols):
if cur_weight > j: # 说明背包装不下当前物品.
dp[i][j] = dp[i - 1][j] # 所以不装当前物品.
else:
# 定义dp数组: dp[i][j] 前i个物品里,放进容量为j的背包,价值总和最大是多少。
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - cur_weight]+ cur_val)
print(dp)
if __name__ == "__main__":
bag_size = 4
weight = [1, 3, 4]
value = [15, 20, 30]
test_2_wei_bag_problem1(bag_size, weight, value)
# 反思1:
文档总结
1. 文档和视频的思路分析非常经典
理论二:01背包理论基础(滚动数组)
链接
视频总结
关键点
- 初始化时,因为要比大小,而初始化的数据相当于上一轮的数据,且不能影响后续的递推运算,所以应该是非零里面最小的数,也就是零(有章法的!)
- 倒序遍历是为了每个数组只被添加一次,通过举例就可以发现。而二维dp数组可以正序遍历,因为每层的数是由上一层的数推导出来的,两层是相互隔离的,而一维dp数组中,数据是重复使用的 ,只有倒序才层保证使用的是上一次的数据,而不是更新后的数据!(也就是正序的,使用的dp不是上一层的,是同一层的)
- key:为何一维数组时,for循环的顺序不可变?(代码里有注释)
代码实战
思路一:
def test_1_wei_bag_problem():
weight = [1, 3, 4]
value = [15, 20, 30]
bag_weight = 4
# 初始化: 全为0
dp = [0] * (bag_weight + 1)
# 先遍历物品, 再遍历背包容量
# 理解ij的关键是: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。因为一维数组的本
for i in range(len(weight)): #质还是二维遍历,只不过调用信息和存储信息的方式发生了变化,如果先按照背包容量的方向
for j in range(bag_weight, weight[i] - 1, -1): #来遍历,那么就会丢失上层的dp[j]信息,因此一维数组的for循环顺序不可变
# 递归公式
dp[j] = max(dp[j], dp[j - weight[i]] + value[i])
print(dp)
test_1_wei_bag_problem()
# 反思1:
文档总结
1.
题三:416. 分割等和子集
疑问:二维背包需要排序吗。一维背包无所谓顺序吗?不需要,出问题不在那个地方,而且从原理上也不需要
链接
视频总结
关键点
编程思路
Me:
- 所有元素和为那个数的两倍
- 和为奇数返回false
卡尔:
- 和为偶数,则除以二,判断集合是否有几个数之和是它!画二叉树用回溯法,负责度为二的恩方
- 若转化成背包问题:我们有集合里这么多个物品,每个物品体积为列表值,问是否能够装进容量为总和一半的背包里面
力扣实战
思路一:一维dp
class Solution:
def canPartition(self, nums: List[int]) -> bool:
if sum(nums)%2 == 1:
return False
else:
target = sum(nums)//2 #只能是//向下整除,/的结果是浮点数,不可用于range里
dp = [0]*(target+1) # dp[i] 表示当背包重量为i时,最大价值是dp[i]
for i in range(len(nums)): # i是对物品更新,表示从下标为[0-i]的物品里任意取,
k = nums[i] #小于k的地方不会出现在for循环里,也就是保持上一轮的dp相当于讨论了要加的东西是否大于j
for j in range(target,k-1,-1): # j是对背包总重量 range(右,左-1,-1)从大往小遍历,包括右,不包括左-1 ,j只取了大于物品重量的地方!!相当于剪枝
dp[j] = max(dp[j],dp[j-nums[i]]+nums[i])
return dp[target]==target #背包容量是target且在所有物品里随便放时,获得的最大价值(最多为15)
# 反思1:
思路二:二维dp
class Solution:
def canPartition(self, nums: List[int]) -> bool:
if sum(nums)%2 == 1:
return False
else:
target = sum(nums)//2 #只能是//向下整除,/的结果是浮点数,不可用于range里
dp = [[0 for _ in range(target+1)] for _ in range(len(nums))] # dp[i] 表示当背包重量为i时,最大价值是dp[i]
# 初始 dp value
for i in range(len(nums)):
dp[i][0] = 0
for j in range(1, target):
if nums[0] <= j:
dp[0][j] = nums[0]
for i in range(1,len(nums)): # i是对物品更新,表示从下标为[0-i]的物品里任意取,
k = nums[i]
# dp[i][j] = max(dp[i-1][j],dp[i-1][j-w[i]+val[i])
for j in range(1,target+1): # j是对背包总重量 range(右,左-1,-1)从大往小遍历,包括右,不包括左-1
if nums[i] > j: #说明装不下物品,那为什么一维背包不需要讨论这个地方
dp[i][j] = dp[i - 1][j]
else:
dp[i][j] = max(dp[i-1][j],dp[i-1][j-nums[i]]+nums[i])
return dp[-1][target]==target #负一表示所有物品都考虑
文档总结
1. 疑问:为何二维的需要判断是否能够装进去,有个if判断语句,不加的时候还会报错,而一维的直接就选择大一点的那个,答案就是for循环,的第二个位置是nums[i]-1,就直接让所有的j剩余空间大于了物品的体积,而小于的保持不变,保持不变就是相当于保持上一轮的dp,相当于赋值了上一轮的dp!妙哇,这都分析出来了!!666