动态规划题型——01背包

总结：

1.在做题的时候，考虑是否是01背包的题型：01背包定义是选或者不选。一些题目看似表面跟01背包没有关系，但是经过题目剖析，列出一系列等式关系，进行转化，就会变成01背包。           【力扣494. 目标和】、并且01背包的背包容量一定小于题目给出的nums.length，因为01背包是选或者不选，所以背包的容量一定是很紧缺的。

2.利用滚动数组进行压缩，当只有一个背包容量时：就使用一维数组（那么for循环就是先遍历物品，再遍历背包内容 ），有两个背包的容量时，就使用二维数组（那么for循环就是只遍历2个背包的容量，遍历背包的容量一定是倒序遍历）

3.进行滚动数组：0/1背包：外循环物品(nums)、内循环背包容量(target)、遍历背包容量时要倒序并且背包容量要大于物品重量(target>=nums[i]);

4..递归公式模板

①最值问题:

dp[j] = max/min( dp[j], dp[ j - nums[i] ] + 1)

dp[j] = max/min( dp[j], dp[ j - nums[i] ] + nums[i] );

②存在问题(boolean)：

dp[j] = dp[j] || dp[ j- nums[i] ];

③组合问题：

dp[j] += dp[ j-nums[i] ];

5.利用滚动数组，一定要记得初始化dp[0]!!! ——通常dp[0]=1 /dp[0]=true

求背包问题的最小值一般初始化dp[0]=0 且Arrays.fill(dp,Integer.MAX_VALUE)

---

内容知识来源

代码随想录 (programmercarl.com)

一篇文章吃透背包问题！（细致引入+解题模板+例题分析+代码呈现） - 分割等和子集 - 力扣（LeetCode） (leetcode-cn.com)

---

01 背包定义——选或者不选

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

---

法一：使用二维数组

1.定义dp数组：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

//定义dp数组：dp[i][j]表示背包容量为j时，前i个物品能获得的最大价值
int wlen = weight.length;//物品个数
int bagsize=4;//背包容量
int[][] dp = new int[wlen + 1][bagsize + 1];

2.确定递推公式：

再回顾一下dp[i][j]的含义：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。

那么可以有两个方向推出来dp[i][j]

• 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]=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。)注意这里的区间是0-i之间的物品，不放i，但是i-1放了，所以是dp[i-1][j]
• 放物品i：当i放进去时，那么这时候整个物品集就被分成两部分，1到i-1和第i个，而这是i是确定要放进去的，那么就把j空间里的weight[i]给占据了，只剩下j－weight[i]的空间给前面i－1，那么只要这时候前面i－1在j－weight[i]空间里构造出最大价值，即dp[i - 1][j - weight[i]]，再加上此时放入的i的价值value[i]，就是dp[i][j]了-----放了物品i：那么他的价值为：value[i]+剩余物品放在容量为j-weight[i]的背包里 

所以递归公式： dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);

3.dp数组初始化——即初始化第一行和第一列

第一列初始化为0即：容量为0的时候，任何物品都装不了，故最大价值为0。【在定义二维数组的时候，就已经初始化了】

第一行初始化：因为物品0的重量为1，所以在背包容量<1的，最大价值都是0，背包容量>物品0的重量，初始化为物品0的价值。

 完整代码如下：

 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 wlen = weight.length, value0 = 0;
        //定义dp数组：dp[i][j]表示背包容量为j时，前i个物品能获得的最大价值
        int[][] dp = new int[wlen + 1][bagsize + 1];

        //初始化行：背包容量>物品0的重量，初始化为物品0的价值。
        for (int j =weight[0] ;  j<= wlen; i++){
            dp[0][j] = value[0];
        }

        //遍历顺序：先遍历物品，再遍历背包容量  i表示物品,j表示背包容量
        for (int i = 1; i <= wlen; i++){
            for (int j = 1; j <= bagsize; j++){
                //如果当前的背包容量<物品的重量——>那就是不取物品
                if (j < weight[i - 1]){
                    dp[i][j] = dp[i - 1][j];
                }else{
                    dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - weight[i - 1]] + value[i - 1]);
                }
            }
        }

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

---

法二：一维数组（滚动数组）——利用滚动数组进行遍历背包容量时：一定是倒序遍历

定义dp数组：因为我们将二维数组进行压缩至一维数组，所以我们只要定义一维数组的背包的容量就行。即定义一维的数组的长度就是背包的容量+1

//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[bagWeight + 1];

递推公式： 

• 不放物品i：因为重量没变化，所以没放，就表示不覆盖原来的数据即dp[j]=dp[j]
• 放物品i：dp[j]=dp[j - weight[i]] + value[i]

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

针对遍历顺序：一定是先遍历物品，再遍历背包容量。并且遍历物品是正序遍历，遍历背包容量一定是倒序遍历 

一个背包的容量压缩至一维数组：那么for循环就是先遍历物品数量，再遍历背包容量

  for (int i = 0; i < wLen; i++){//i是取不到wlen的
     for (int j = bagWeight; j >= weight[i]; j--)

两个背包的容量就是压缩至二维数组：那么for循环就是只遍历2个背包的容量，遍历背包的容量一定是倒序遍历

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

    public static void testWeightBagProblem(int[] weight, int[] value, int bagWeight){
        int wLen = 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[bagWeight + 1];

        //遍历顺序：先遍历物品，再遍历背包容量
        for (int i = 0; i < wLen; i++){
            for (int j = bagWeight; 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 <= bagWeight; j++){
            System.out.print(dp[j] + " ");
        }
    }