目录
题目链接:https://leetcode.cn/problems/partition-equal-subset-sum/
背包问题分类如图:
背包问题就是将物品放入背包中,求背包的最大价值
大致做法是:把容量为j的背包分割成0到j的各个背包,然后,我们可以先遍历物品,再挨个遍历背包,如果背包容量小于物品尺寸,则当前背包的最大价值和等于不装物品i的背包的最大价值和。反之,如果背包容量大于等于物品尺寸,则当前背包的最大价值=max(拿物品i之前的背包的最大价值总和+当前物品的价值,不拿当前物品i的背包的最大价值总和)
例子:
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
1.dp数组的含义
定义dp[i][j]为从物品0-i中任取,放进容量为j的背包中,背包的最大价值总和
2.递推公式
当遍历到物品i时,当前状态dp[i][j]和拿不拿物品i有关
- 如果不拿物品i,则有dp[i][j]=dp[i-1][j]
- 如果拿物品i,则有dp[i][j]=dp[i-weight[i]]+value[i]
所以递推公式为dp[i][j]=max(dp[i-1][j],dp[i-weight[i]]+value[i])
3.dp数组初始化
如果背包的容量为0, 则放不进任何物品,背包最大价值总和为0,即dp[i][0]=0。
由状态转移方程dp[i][j]=max(dp[i-1][j],dp[i-weight[i]]+value[i])我们知道i是由i-1推导出来的,因此我们需要初始化i=0的情况,dp[0][j]:在存放物品0的时候,各个容量的背包所能存放的最大价值。
我们知道当背包容量小于物品尺寸的时候,即j<weight[0]的时候,dp[0][j]=0,如果背包容量大于等于物品时,即j>=weight[0],dp[0][j]=value[0].
4.遍历顺序
我们可以先遍历物品或者先遍历背包都可以。
先遍历物品,后遍历背包:
// weight数组的大小 就是物品个数
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]);
}
}
先遍历背包,后遍历物品:
// weight数组的大小 就是物品个数
for(int j = 0; j <= bagweight; j++) { // 遍历背包容量
for(int i = 1; i < weight.size(); i++) { // 遍历物品
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]);
}
}
5.举例推导dp数组
具体测试代码如下:
void test_2_wei_bag_problem1() {
vector<int> weight = {1, 3, 4};
vector<int> value = {15, 20, 30};
int bagweight = 4;
// 二维数组
vector<vector<int>> dp(weight.size(), vector<int>(bagweight + 1, 0));
// 初始化
for (int j = weight[0]; j <= bagweight; j++) {
dp[0][j] = value[0];
}
// weight数组的大小 就是物品个数
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]);
}
}
cout << dp[weight.size() - 1][bagweight] << endl;
}
int main() {
test_2_wei_bag_problem1();
}
一维dp数组(滚动数组)
例子:
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.dp数组的含义
dp[j]表示容量为j的背包所能背的最大价值总和。
2.递推公式
dp[j]=max(dp[j],dp[j-weight[i]]+value[i])
3.dp数组的初始化
可以直接在定义dp数组的同时,全部初始化为0
4.遍历顺序
先遍历物品,在遍历背包(从后往前遍历,防止一个物品拿多次)
5.举例推导dp数组
具体测试代码如下:
void test_1_wei_bag_problem() {
vector<int> weight = {1, 3, 4};
vector<int> value = {15, 20, 30};
int bagWeight = 4;
// 初始化
vector<int> dp(bagWeight + 1, 0);
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]);
}
}
cout << dp[bagWeight] << endl;
}
int main() {
test_1_wei_bag_problem();
}
题目:416. 分割等和子集
题目链接:https://leetcode.cn/problems/partition-equal-subset-sum/
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] 。示例 2:
输入:nums = [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。提示:
1 <= nums.length <= 200
1 <= nums[i] <= 100
思路:可以先将数组中所有元素的和sum求出来,然后定义一个容量为sum/2的背包,看能不能将背包装满。
1.dp数组的含义
dp[j]表示容量为j的背包,最大可以凑成j的子集总和为dp[j],也就是装满背包的价值总和
2.递推公式
dp[j]=max(dp[j],dp[j-nums[i]]+nums[i])
3.dp数组初始化
从dp[j]的定义来看,首先dp[0]一定是0。
如果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。
4.遍历顺序
先遍历物品,在遍历背包(从后往前遍历)
5.举例推导dp数组
具体代码实现如下:
class Solution {
public:
bool canPartition(vector<int>& nums) {
int sum = 0;
// dp[i]中的i表示背包内总和
// 题目中说:每个数组中的元素不会超过 100,数组的大小不会超过 200
// 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);
for (int i = 0; i < nums.size(); i++) {
sum += nums[i];
}
// 也可以使用库函数一步求和
// int sum = accumulate(nums.begin(), nums.end(), 0);
if (sum % 2 == 1) return false;
int target = sum / 2;
// 开始 01背包
for(int i = 0; i < nums.size(); i++) {
for(int j = target; j >= nums[i]; j--) { // 每一个元素一定是不可重复放入,所以从大到小遍历
dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);
}
}
// 集合中的元素正好可以凑成总和target
if (dp[target] == target) return true;
return false;
}
};
时间复杂度:O(n^2)
空间复杂度:O(n),虽然dp数组大小为一个常数,但是大常数