package bag;
public class Test {
/**
* 给一个整数数组 array,把他分为两部分 a 和 b
* 使得 a 和 b 的元素之和的差最小
*
* @param array 输入数组
* @return 返回差值最小是多少
* <p>
* 解析:array分出来的两个数组a、b之和sum1、sum2等于总和SUM
* 既然要 sum1 与 sum2 之间相差最小则他们应该尽量接近 SUM/2
* <p>
* 即问题转变为:在array中取出数据存入a中,在不超过 SUM/2 的情况下使得a的总和最大
* <p>
* 也就是0-1背包问题
*/
public static int getTwoSubArrayMinDiff(int[] array) {
int ans = 0;
if (array.length == 0)
return ans;
int n = array.length;
int SUM = 0;
for (int i = 0; i < n; i++) {
SUM += array[i];
}
// 状态转移方程:设待选的各个数据为 i,容量为 SUM/2,
// dp[i][c] = max( dp[i-1][c], dp[i-1][C-c[i]] + c[i])
/*
解释:c 就是 capacity,每次从array里面取走一个数据,存在: 放入新数组a里面和不放入新数组里面a 两个选择
不管是否放入i值都少了一个:i-1
* 放入的时候:不仅要给 i 值减一,且将a中剩余可存入的数量减少响应值,即 C-c[i] (总容量减去已存入的等于剩余的)
* 不放入的时候:仅需将i减一即可
那么以上两种情况选择哪一种会导致a的和最接近 SUM/2 呢?
使用max取本次dp[i][c]的最大值即可
*/
int[][] dp = new int[n + 1][SUM / 2 + 1];
/*
本题并不完全是一个背包问题,这里没有价值只有重量,也就是每一个数组元素的值。
外层循环从0开始也行从1开始也行,注意别越界就可以了,
内层循环每来一次,就得重新计算 dp[i][1...C] 的值,
内层循环的含义是:每次从array里面拿到一个数据后要考虑是否放到新数组a里面,那么就得计算该元素放入是否能加入到a以及
能否获取最大收益。
最终不管是否加入了a,该元素都不再考虑。
那么内层循环里面通过不断改变背包的容量(从1到SUM/2)来确定是否能产生最大收益
*/
for (int i = 0; i < n; i++) {
for (int j = 1; j <= SUM / 2; j++) { // 假设当前的背包容量是 j
// 这是不放入背包的情况
dp[i + 1][j] = dp[i][j];
// 这是放入背包的情况
if (array[i] <= j // 先要确保array[i]的值不能大于背包容量
&& dp[i][j - array[i]] + array[i] > dp[i][j]) { // 然后可以放心的把当前物品放入背包
dp[i + 1][j] = dp[i][j - array[i]] + array[i];
}
// dp[i + 1][j] 会得到一个最大值
}
}
// dp[n][SUM / 2] 是新数组a的和,他的两倍应该近似于SUM,差值即为两个新数组a、b之间的和最小差
return SUM - 2 * dp[n][SUM / 2];
}
public static void main(String[] args) {
// int[] array = {2, 3, 4, 6};
// int[] array = {5, 6, 8, 7};
int[] array = {25, 0, 18, 3, 9, 4, 12, 7, 6, 11};
System.out.println(getTwoSubArrayMinDiff(array));
System.out.println(getTwoSubArrayMinDiff2(array));
}
public static int getTwoSubArrayMinDiff2(int[] array) {
if (array.length == 0) {
return 0;
}
int sum = 0;
for (int x : array) {
sum += x;
}
int n = array.length;
// 状态转移方程
int[][] dp = new int[n][sum / 2 + 1];
// 首先检查 0 号元素是否可以存入背包
for (int i = 0; i <= sum / 2; i++ ) {
dp[0][i] = (i >= array[0]) ? array[0] : 0;
}
// 然后再动态规划处理
for (int i = 1; i < n; i++) {
for (int j = 0; j <= sum / 2; j++) {
dp[i][j] = dp[i - 1][j];
// 若剩余空间可以存入当前的array[i]
if (j >= array[i]) {
dp[i][j] = Math.max(dp[i][j], dp[i - 1][j - array[i]] + array[i]);
}
}
}
return sum - 2 * dp[n - 1][sum / 2];
}
}
07-28
2308
![](https://csdnimg.cn/release/blogv2/dist/pc/img/readCountWhite.png)
05-25
“相关推荐”对你有帮助么?
-
非常没帮助
-
没帮助
-
一般
-
有帮助
-
非常有帮助
提交