第九章 动态规划 part04 01背包理论基础（二维数组） 01背包理论基础（滚动数组） 416. 分割等和子集

第四十二天| 第九章 动态规划 part04 01背包理论基础（二维数组） 01背包理论基础（滚动数组） 416. 分割等和子集

一、01背包理论基础（二维数组）

1.1 背包问题的种类

• 我们只需要掌握01背包问题和完全背包问题（完全背包也是由01背包演变而来的）：
  • 01背包：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。
  • 完全背包：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] 。每件物品都有无限个（也就是可以放入背包多次），求解将哪些物品装入背包里物品价值总和最大。

1.2 示例

背包最大重量为4。物品为：

	重量	价值
物品0	1	15
物品1	3	20
物品2	4	30

问背包能背的物品最大价值是多少？

1.3解法及思路

DP五部曲：

• （1）确定dp数组以及下标的含义：

  • 背包问题中，最最最最最最最最最最最最重要的一点就是明白dp数组及下标含义

  • 对于背包问题，本节介绍的写法， 是使用二维数组，即：

  • 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。
    

  • 

• （2）确定递推公式：

  • 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]。(其实就是当物品i的重量大于背包j的重量时，物品i无法放进背包中，所以背包内的价值依然和前面相同。)
      

  • 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
      

  • 所以递归公式：

    • dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
      

• （3）dp数组如何初始化：

  • 根据上述递推公式可知：

    • dp[i][j]由上一个位置和左上区域的位置得到，所以初始化的位置包括第0行和第0列，如下图所示：
      

    • 

    • 注意：

      • （1）中间部分的内容初始化为多少不重要，因为在后面循环的过程中会将其覆盖掉
      • （2）第一行何处开始赋值？
        • 要考虑的是j的值和物品0重量的关系
        • 

  • 初始化代码总结如下：

for(int j = weight[0]; j <= bagSize; j++) {
    dp[0][j] = weight[0];
}

• （4）遍历顺序：
  • 先遍历物品，后遍历背包；或者，先遍历背包，后遍历物品都是可行的
  • 但是方便理解，先遍历物品，再遍历背包。
  • 最终结果：
    • 

1.4 代码

public class BagProblem {
    public static void main(String[] args) {
        int[] weight = {1,3,4};
        int[] value = {15,20,30};
        int bagSize = 4;
        testWeightBagProblem(weight,value,bagSize);
    }

    /**
     * 动态规划获得结果
     * @param weight  物品的重量
     * @param value   物品的价值
     * @param bagSize 背包的容量
     */
    public static void testWeightBagProblem(int[] weight, int[] value, int bagSize){

        // 创建dp数组
        int goods = weight.length;  // 获取物品的数量
        int[][] dp = new int[goods][bagSize + 1];

        // 初始化dp数组
        // 创建数组后，其中默认的值就是0
        for (int j = weight[0]; j <= bagSize; j++) {
            dp[0][j] = value[0];
        }

        // 填充dp数组
        for (int i = 1; i < weight.length; i++) {
            for (int j = 1; j <= bagSize; j++) {
                if (j < weight[i]) {
                    /**
                     * 当前背包的容量都没有当前物品i大的时候，是不放物品i的
                     * 那么前i-1个物品能放下的最大价值就是当前情况的最大价值
                     */
                    dp[i][j] = dp[i-1][j];
                } else {
                    /**
                     * 当前背包的容量可以放下物品i
                     * 那么此时分两种情况：
                     *    1、不放物品i
                     *    2、放物品i
                     * 比较这两种情况下，哪种背包中物品的最大价值最大
                     */
                    dp[i][j] = Math.max(dp[i-1][j] , dp[i-1][j-weight[i]] + value[i]);
                }
            }
        }

        // 打印dp数组
        for (int i = 0; i < goods; i++) {
            for (int j = 0; j <= bagSize; j++) {
                System.out.print(dp[i][j] + "\t");
            }
            System.out.println("\n");
        }
    }
}

二、01背包理论基础（滚动数组）

2.1 示例（同上）

背包最大重量为4。物品为：

	重量	价值
物品0	1	15
物品1	3	20
物品2	4	30

问背包能背的物品最大价值是多少？

2.2 解法及思路

DP五部曲：

• （1）确定dp数组以及下标的含义：

  • 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）。
    

  • 这里的意思就是：

    • 二维数组在推断一个节点的时候，是通过其上一层的节点和左侧区域的一个节点得到的
    • 而滚动数组简化为上一层的节点状态拷贝到当前层，也就是说当前层的原始状态延续上一层的结果状态，并结合当前层的左侧节点状态推断当前节点状态

  • 含义：

    • dp[j]表示：容量为j的背包，所背的物品价值可以最大为dp[j]。
      

• （2）确定递推公式：

  • 不放物品i（如何不放物品i呢，就是将上一层的节点状态拷贝，延续不变到这一层）：

    • 不放物品i，就是取自己，dp[j]
      

  • 放物品i：

    • dp[j - weight[i]] + value[i]
      

  • 所以递归公式：

    • dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
      

• （3）dp数组如何初始化：

  • dp数组只要保证每一个节点的值都是最小的非负数即可，因为在后序遍历的时候会更新。

• （4）遍历顺序：

  • 注意这里只能是先前序遍历物品，在后序遍历背包。
    • 首先，解释为什么只能后序遍历背包？
      • 因为在第一步确定dp数组及下标的时候，明确指出一维数组解决01背包问题，是通过左边区域的某个值推断出来的，所以要保证左侧区域的值不能被覆盖过，并且后序遍历可以保证在容量为j的时候，物品i只被放入一次！
    • 其次，为什么只能先遍历物品，再遍历背包呢？
      • 如果先遍历背包，那么经过max比较之后，放入背包的永远都是当前容量j下最大容量的物品的值，也就是只能把这一个物品放入背包中。
  • 遍历过程如下：
    • 

2.3 代码

public static void main(String[] args) {
    int[] weight = {1, 3, 4};
    int[] value = {15, 20, 30};
    int bagSize = 4;
    testWeightBagProblem(weight, value, bagSize);
}

public static void testWeightBagProblem(int[] weight, int[] value, int bagSize){
    int goods = weight.length;
    //定义dp数组：dp[j]表示背包容量为j时，能获得的最大价值
    int[] dp = new int[goods + 1];
    //遍历顺序：先遍历物品，再遍历背包容量
    for (int i = 0; i < goods; i++){
        for (int j = bagSize; j >= weight[i]; j--){
            dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
        }
    }
    //打印dp数组
    for (int j = 0; j <= bagSize; j++){
        System.out.print(dp[j] + " ");
    }
}

三、416. 分割等和子集（01背包问题的一种空间和价值相等的情况应用）

• 题目链接：https://leetcode.cn/problems/partition-equal-subset-sum/

• 题目介绍：

  • 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 1：

    输入：nums = [1,5,11,5]
    输出：true
    解释：数组可以分割成 [1, 5, 5] 和 [11] 。
    

• 思路：

  • 这里的“重量“和”价值“都是nums[i]，背包最大容量就是sum/2（前提是sum为偶数）
  • 要想求得两个子集的元素和相等，就是求是否有一个集合中元素之和等于sum/2，如果sum是奇数，说明不能平分，可以直接判断。
  • 接下来，就是dp五部曲

• 代码：

class Solution {
    public boolean canPartition(int[] nums) {
        if (nums == null || nums.length == 0) return false;
        int sum = 0;
        for (int num : nums) sum += num;
        // 如果sum是奇数，说明不能平分
        if (sum % 2 != 0) return false;
        int target = sum / 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]);
            }
        }
        return dp[target] == target;
    }
}