首先是二维背包
二维背包:
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。
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i])
递推公式表明推导出dp[i][j]需要dp[i-1][j],有两种推导途径
1.现在背包剩余的容量j不够再放下标为i的物品,所以背包内的价值不变。
2.背包内剩余容量还够放下物品,[j - weight[i]] + value[i]表示在dp[i-1][j]的基础上消耗了weight[i]的容量,额外得到了value[i]的价值。
dp数组的初值也可以推导,dp[i][0]为0,因为容量为0,放下的物品为0,所以价值为0.
dp[0][j]表明从下标为0的物品里取,放进容量为j的背包,价值总和最大是多少
首先就是容量j够不够放下编号为0的物品,放不下价值就是0,放下价值就是value[i],
那么很明显当 j < weight[0]的时候,dp[0][j] 应该是 0,因为背包容量比编号0的物品重量还小。
当j >= weight[0]时,dp[0][j] 应该是value[0],因为背包容量放足够放编号0物品。
所以初始化为
for (int j = 0 ; j < weight[0]; j++) { // 当然这一步,如果把dp数组预先初始化为0了,这一步就可以省略,但很多同学应该没有想清楚这一点。
dp[0][j] = 0;
}
// 正序遍历
for (int j = weight[0]; j <= bagweight; j++) {
dp[0][j] = value[0];
}
其它位置的值均可以出初始化为0,因为之后肯定会迭代出新的值。
接下来是遍历顺序
for(int i = 1; i < weight.size(); i++) { // 遍历物品
for(int j = 0; j <= bagweight; j++) { // 遍历背包容量
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]);
}
}
i的初始值是1,因为dp[0][j]在初始化时已经赋值结束了
i < weight.size(),遍历了所有物品
j <= bagweight,小于背包容量
一维dp数组
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]);
for(int i = 0; i < weight.size(); i++) { // 遍历物品
for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
}
}
用一维数组j需要倒序遍历。
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
因为dp[2]在推导时会用到dp[1]的值,但是在由dp[1]到dp[2]的推导时,i是不变的(此处i=0)
也就是说dp[2]继承了(放入编号为0的物品)dp[1]的状态后再次放入了编号为0的物品。
但是倒序就不会有这个问题,因为dp[1]无法继承dp[2]放物品的状态,因为dp[1]推导时不需要借用dp[2]的值。
416. 分割等和子集
此处物品的编号和价值都是数字的值
如果dp[j] == j 说明,集合中的子集总和正好可以凑成总和j