动态规划：0-1背包问题

最新推荐文章于 2024-06-16 15:36:19 发布

clementines_

最新推荐文章于 2024-06-16 15:36:19 发布

阅读量933

点赞数 2

文章标签：动态规划 leetcode 算法数据结构 c++ Powered by 金山文档

本文链接：https://blog.csdn.net/qq_52097561/article/details/129194378

版权

leetcode 416.分割等和子集

背包问题

背包问题的分类

以上正常需要掌握的是01背包和完全背包。完全背包也是由01背包稍作变换得来：即每个物品的数量是无限的。

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。

这道题很容易想到使用回溯法去解决，因为每个物品的状态只有两种：取或者不取，我们用回溯法搜索出所有的情况，那么算法的时间复杂度为O(2^n)，这里的n表示物品的数量。

由于指数级别的时间复杂度太大了，所以我们需要使用dp来优化算法的效率。

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？

二维dp数组01背包

动规五部曲：

确定dp数组以及下标的含义

对于背包问题，有一种写法，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。

确定递推公式

可以有两个方向来推出dp[i][j]，现在假设我们已经知道了dp[i - 1][j]的值：

如果放入第i个物品，背包的容量j < weight[i]，就相当于放入物品i的行为是不合法的，此时dp[i][j]的值与dp[i - 1][j]的值相等。

如果再放入第i个物品，背包的容量仍然满足要求。dp[i - 1][j - weight[i]]为背包容量为j - weight[i]时从下标为[0-i - 1]里的物品里任意取得价值总和，此时放入物品i仍然合法，则dp[i][j]的值为dp[i - 1][j - weight[i]] + value[i]。

上面的两种可能性使我们递推得到了dp[i][j]。

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

dp数组的初始化

从dp数组的定义出发，如果背包容量为0，则背包内价值总和最大一定为0。

dp[i][0] = 0;

根据状态转移方程：dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);

里面存在i - 1的索引，为了防止越界，我们要初始化所有dp[0][j]的值。从上面的示例可以看到，物品0的重量为1，价值为15。所以有：

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

对于其他下标给定任意值均可，因为其他下标的值是我们用状态转移方程计算得出的，要对原先的值进行覆盖。为了代码写的简便所以都初始化为0。

那么就可以简化dp数组的初始化代码了：

vector<vector<int>> dp(weight.size(), vector<int>(maxWeight + 1, 0));
for(int j = weight[0]; j <= maxWeight; j++){
    dp[0][j] = value[0];
}

确定遍历顺序

可以看出，有两个遍历的维度：物品与背包重量。

先遍历物品还是先遍历背包重量呢？其实都可以，但是先遍历物品更好理解。

先遍历物品的代码如下：

for(int i = 1; i < weight.size(); i++){
    for(int j = 0; j <= maxWeight; j++){
        if(j < weight[i]) dp[i][j] = dp[i - 1][j];
        else dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
    }
}

先遍历背包重量的代码如下：

for(int j = 0; j <= maxWeight; j++){
    for(int i = 1; i < weight.size(); i++){
        if(j < weight[i]) dp[i][j] = dp[i - 1][j];
        else dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
    }
}

要理解递归的本质和递推的方向。

dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]); 递归公式中可以看出dp[i][j]是靠dp[i-1][j]和dp[i - 1][j - weight[i]]推导出来的。

dp[i-1][j]和dp[i - 1][j - weight[i]] 都在dp[i][j]的左上角方向（包括正上方向），那么先遍历物品，再遍历背包的过程如图所示：

先遍历背包如图：

从二维数组可以看出来，虽然for循环遍历的次序不同，但是dp[i][j]所需要的数据均在其左上角，这不影响dp[i][j]的推导。

举例推导dp数组

来看一下对应的dp数组的数值，如图：

整体测试代码如下：

void test_twodimensional_01bag_problem(){
    vector<int> weight = {1, 3, 4};
    vector<int> value = {15, 20, 30};
    int maxWeight = 4;
    vector<vector<int>> dp(weight.size(), vector<int>(maxWeight + 1, 0));
    for(int j = 0; j <= maxWeight; j++){
        dp[0][j] = value[0];
    }
    for(int i = 1; i < weight.size(); i++){
        for(int j = 0; j <= maxWeight; j++){
            if(j < weight[i]) dp[i][j] = dp[i - 1][j];
            else dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
        }
    }
    
    cout << dp[weight.size() - 1][maxWeight] << endl;
    
}

int main(){
    test_twodimensional_01bag_problem();
}

一维数组01背包（滚动数组）

对于背包问题其实状态都是可以压缩的。

在使用二维数组的时候，递推公式：dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);

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。

动规五部曲：

确定dp数组以及下标的含义

在一维dp数组中，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]。

确定递推公式

dp[j]可以通过dp[j - weight[i]]推导出来，dp[j - weight[i]]表示容量为j - weight[i]的背包所背的最大价值。

dp[j - weight[i]] + value[i] 表示容量为 j - 物品i重量的背包加上物品i的价值。（也就是容量为j的背包，放入物品i了之后的价值即：dp[j]）

此时dp[j]有两个选择，一个是取自己dp[j] 相当于二维dp数组中的dp[i-1][j]，即不放物品i，一个是取dp[j - weight[i]] + value[i]，即放物品i，指定是取最大的，毕竟是求最大价值，

所以递归公式为：

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

dp数组的初始化

dp[0]就应该是0，因为背包容量为0所背的物品的最大价值就是0。

那么dp数组除了下标0的位置，初始为0，其他下标应该初始化多少呢？

看一下递归公式：dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);

dp数组在推导的时候一定是取价值最大的数，如果题目给的价值都是正整数那么非0下标都初始化为0就可以了。

这样才能让dp数组在递归公式的过程中取的最大的价值，而不是被初始值覆盖了。

那么我假设物品价值都是大于0的，所以dp数组初始化的时候，都初始为0就可以了。

确定遍历顺序

for(int i = 0; i < weight.size(); i++){
    for(int j = maxWeight; j >= weight[i]; j--){
        dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
    }
}

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。

为什么二维dp数组历的时候不用倒序呢？

因为对于二维dp，dp[i][j]都是通过上一层即dp[i - 1][j]计算而来，本层的dp[i][j]并不会被覆盖。

两个嵌套for循环的顺序，代码中是先遍历物品嵌套遍历背包容量，那可不可以先遍历背包容量嵌套遍历物品呢？不可以！

因为一维dp的写法，背包容量一定是要倒序遍历（原因上面已经讲了），如果遍历背包容量放在上一层，那么每个dp[j]就只会放入一个物品，即：背包里只放入了一个物品。

倒序遍历的原因是，本质上还是一个对二维数组的遍历，并且右下角的值依赖上一层左上角的值，因此需要保证左边的值仍然是上一层的，从右向左覆盖。

举例推导dp数组

一维dp，分别用物品0，物品1，物品2 来遍历背包，最终得到结果如下:

整体代码如下：

void test_onedimensional_01bag_problem(){
    vector<int> weight = {1, 3, 4};
    vector<int> value = {15, 20, 30};
    int maxWeight = 4;
    vector<int> dp(maxWeight + 1, 0);
    for(int i = 0; i < weight.size(); i++) { // 遍历物品
        for(int j = maxWeight; j >= weight[i]; j--) { // 遍历背包容量
            dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
        }
    }
    cout << dp[maxWeight] << endl;
}

int main(){
    test_onedimensional_01bag_problem();
}

leetcode 416.分割等和子集

给定一个只包含正整数的非空数组。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。

注意: 每个数组中的元素不会超过 100 数组的大小不会超过 200

示例 1:

输入: [1, 5, 11, 5]

输出: true

解释: 数组可以分割成 [1, 5, 5] 和 [11].

示例 2:

输入: [1, 2, 3, 5]

输出: false

解释: 数组不能分割成两个元素和相等的子集.

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。

动规五部曲：

确定dp数组以及下标的含义

01背包中，dp[j] 表示：容量为j的背包，所背的物品价值最大可以为dp[j]。

本题中每一个元素的数值既是重量，也是价值。

套到本题，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。

确定递推公式

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]);

dp数组如何初始化

在01背包，一维dp如何初始化，已经讲过，

从dp[j]的定义来看，首先dp[0]一定是0。

如果题目给的价值都是正整数那么非0下标都初始化为0就可以了，如果题目给的价值有负数，那么非0下标就要初始化为负无穷。

这样才能让dp数组在递推的过程中取得最大的价值，而不是被初始值覆盖了。

本题题目中只包含正整数的非空数组，所以非0下标的元素初始化为0就可以了。

题目中有要求：

1 <= nums.length <= 200

1 <= nums[i] <= 100

// 总和不会大于20000，背包最大只需要其中一半，所以10001大小就可以了
vector<int> dp(10001, 0);

确定遍历顺序

for(int i = 0; i < nums.size(); i++){
    for(int j = target; j >= nums[i]; j--){
        dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);
    }
}

举例推导dp数组

dp[j]的数值一定是小于等于j的。

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。

用例1，输入[1,5,11,5] 为例，如图：

整体代码如下：

class Solution {
public:
    bool canPartition(vector<int>& nums) {
        int sum = 0;
        for(int i = 0; i < nums.size(); i++){
            sum += nums[i];
        }
        if(sum % 2 == 1) return false;
        int target = sum / 2;
        vector<int> dp(10001, 0);
        for(int i = 0; i < nums.size(); i++){
            for(int j = target; j >= nums[i]; j--){
                dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);
            }
        }
        if(dp[target] == target) return true;
        return false;
    }
};