代码随想录Day 36|Python|Leetcode|01背包问题，你该了解这些！ ● 01背包问题，你该了解这些！ 滚动数组 ● 416. 分割等和子集

01背包问题，你该了解这些！ 

46. 携带研究材料（第六期模拟笔试） (kamacoder.com)

代码随想录 (programmercarl.com)

1. 确定dp数组（dp table）以及下标的含义：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：

   两个方向推出来dp[i][j]，

   1. 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。)
   2. 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
3. dp数组如何初始化：

   首先从dp[i][j]的定义出发，如果背包容量j为0的话，即dp[i][0]，无论是选取哪些物品，背包价值总和一定为0。如图：

   

   在看其他情况。

   状态转移方程 dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]); 可以看出i 是由 i-1 推导出来，那么i为0的时候就一定要初始化。

   dp[0][j]，即：i为0，存放编号0的物品的时候，各个容量的背包所能存放的最大价值。

   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。

   

4. 确定遍历顺序：

   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：

   

   再来看看先遍历背包，再遍历物品呢，如图：

   

   大家可以看出，虽然两个for循环遍历的次序不同，但是dp[i][j]所需要的数据就是左上角，根本不影响dp[i][j]公式的推导！

   但先遍历物品再遍历背包这个顺序更好理解

5. 举例推导dp数组：

题目描述

小明是一位科学家，他需要参加一场重要的国际科学大会，以展示自己的最新研究成果。他需要带一些研究材料，但是他的行李箱空间有限。这些研究材料包括实验设备、文献资料和实验样本等等，它们各自占据不同的空间，并且具有不同的价值。 

小明的行李空间为 N，问小明应该如何抉择，才能携带最大价值的研究材料，每种研究材料只能选择一次，并且只有选与不选两种选择，不能进行切割。

输入描述

第一行包含两个正整数，第一个整数 M 代表研究材料的种类，第二个正整数 N，代表小明的行李空间。

第二行包含 M 个正整数，代表每种研究材料的所占空间。 

第三行包含 M 个正整数，代表每种研究材料的价值。

输出描述

输出一个整数，代表小明能够携带的研究材料的最大价值。

注意代码为ACM模式，输入m为物品数横轴，n为重量，作为纵轴，矩阵尺寸应为mx(n+1)，因为n多出了需要考虑重量是0的情况。

m, n = map(int, input().split())

weights = list(map(int, input().split()))
values = list(map(int, input().split()))
#initialize
dp = [[0]*(n+1) for _ in range(m)]
#when n = 0, dp[i][0] = 0
for j in range(n+1):
    if weights[0]<=j:
        dp[0][j] = values[0]
    else:dp[0][j] = 0
def bag():
    for i in range(1,m):
        for j in range(1,n+1):
            if j<weights[i]:
                dp[i][j] = dp[i-1][j]
            else:dp[i][j] = max(dp[i-1][j], dp[i-1][j-weights[i]]+values[i])
    return dp[m-1][n]
print(bag())

01背包问题，你该了解这些！ 滚动数组  

1. 确定dp数组的定义：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]。
2. 一维dp数组的递推公式：两种可能，一种是不放入物品i，及自身的价值dp[j]，一种是放入物品i，dp[j-weights[i]]+values[i]，所以dp[j] = max(dp[j], dp[j-weigts[i]]+values[i])
3. 一维dp数组如何初始化

   关于初始化，一定要和dp数组的定义吻合，否则到递推公式的时候就会越来越乱。

   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]，那么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

4. 一维dp数组遍历顺序：从后向前，避免重复添加上一层数量，先遍历物品，再遍历背包。
5. 举例推导dp数组

ACM代码：

m, n = map(int, input().split())
weights = list(map(int, input().split()))
values = list(map(int, input().split()))
#initialize
dp = [0]*(n+1) #1-dimensional array
def bag():
    for i in range(m):
        for j in range(n,weights[i]-1, -1):
            dp[j] = max(dp[j], dp[j-weights[i]]+values[i])
    return dp[n]
print(bag())

416. 分割等和子集 

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。

解题思路：

本题可以使用回溯或背包解答。可以将其看作一个nums，如果该数组能得到一个sum(nums)//2的子集，该数组可以拆成两个一样的子数集且和相等，return True。

类似于背包问题的解题思路，

1. 确认dp数组的定义：dp[j]当容量为j时的最大数之和（最大价值），需要注意的是，这里物品i和价值均为nums[i].

2. 一维dp推导公式：dp[j] = max(dp[j], dp[j-weights[i]]+values[i])

3. 一维dp数组如何初始化：dp[0] = 0

4. 一维dp数组遍历顺序：从后向前，避免重复添加上一层数量，先遍历物品，再遍历背包

5. 举例推导dp数组

代码：

class Solution:
    def canPartition(self, nums: List[int]) -> bool:
        if sum(nums)%2 != 0:
            return False
        target = sum(nums)//2
        #target is the largest bagweight
        dp = [0]*(target+1)
        for i in range(len(nums)):
            for j in range(target, nums[i]-1, -1):
                dp[j] = max(dp[j], dp[j-nums[i]]+nums[i])
        if dp[target] == target:
            return True
        return False