代码随想录算法训练营第35天|LeetCode 01背包问题 二维、01背包问题 一维、416. 分割等和子集

1. LeetCode 01背包问题 二维

题目链接：https://kamacoder.com/problempage.php?pid=1046
文章链接：https://programmercarl.com/背包理论基础01背包-1.html#算法公开课
视频链接：https://www.bilibili.com/video/BV1cg411g7Y6/

思路：
01背包问题

1. 定义dp数组 dp[i][j]表示在0～i物品内任意选择，放入j空间大小的背包中的最大价值
   int[][] dp = new int[M][N+1];
2. 递推公式
   dp[i][j] =
   Math.max(dp[i-1][j],dp[i-1][j-Integer.valueOf(space[i])]+Integer.valueOf(value[i]))
3. 初始化
   for (int j=Integer.valueOf(space[0]);j<=N;j++) {
   dp[0][j] = Integer.valueOf(value[0]);
   }
4. 遍历顺序 先物品再空间

注意：
1️⃣若当前背包的容量都没有当前物品i大的时候，是不放物品i的。那么前i-1个物品能放下的最大价值就是当前情况的最大价值；
2️⃣若当前背包的容量可以放下物品i
那么此时分两种情况：
1、不放物品i
2、放物品i
比较这两种情况下，哪种背包中物品的最大价值最大

import java.util.*;

// 01背包问题
public class Main {
    public static void main(String[] args) {
        Scanner sc = new Scanner(System.in);
        String[] firLine = sc.nextLine().split(" ");
        String[] space = sc.nextLine().split(" ");
        String[] value = sc.nextLine().split(" ");
        int M = Integer.valueOf(firLine[0]); // 物品数量
        int N = Integer.valueOf(firLine[1]); // 背包空间
        
        // 1. 定义dp数组 dp[i][j]表示在0～i物品内选择j空间的最大价值
        int[][] dp = new int[M][N+1];
        
        // 2. 递推公式
        // dp[i][j] = Math.max(dp[i-1][j],
        // dp[i-1][j-Integer.valueOf(space[i])]+Integer.valueOf(value[i]))
        
        // 3. 初始化
        for (int j=Integer.valueOf(space[0]);j<=N;j++) {
            dp[0][j] = Integer.valueOf(value[0]);
        }
    
        
        // 4. 遍历顺序 先物品再空间
        for (int i=1;i<M;i++) {
            for (int j=0;j<N+1;j++) {
                if (j < Integer.valueOf(space[i])) {
                    dp[i][j] = dp[i-1][j];
                } else {
                    dp[i][j] = Math.max(dp[i-1][j],
                    dp[i-1][j-Integer.valueOf(space[i])]+Integer.valueOf(value[i]));
                }
            }
        }
        
        System.out.println(dp[M-1][N]);
        
    }
}

2. LeetCode 01背包问题 一维

题目链接：https://kamacoder.com/problempage.php?pid=1046
文章链接：https://programmercarl.com/背包理论基础01背包-2.html#思路
视频链接：https://www.bilibili.com/video/BV1BU4y177kY/

思路：
01背包问题

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
   dp[j]有两个选择:
   (1)不放物品i：取自己dp[j]，相当于 二维dp数组中的dp[i-1][j]；
   (2)放物品i：取dp[j - weight[i]] + value[i]。
   dp[j] = max(dp[j], dp[j - weight[i]] + value[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[0]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。
   除了下标0的位置，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

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]);
    }// j>=weight[i]，即物品i只能放到weight大于该物品重量的背包中。
}// 归根结底，当前物品只可能放入背包重量大于当前物品重量的背包中

import java.util.*;

// // 01背包问题
// // 二维数组
// public class Main {
//     public static void main(String[] args) {
//         Scanner sc = new Scanner(System.in);
//         String[] firLine = sc.nextLine().split(" ");
//         String[] space = sc.nextLine().split(" ");
//         String[] value = sc.nextLine().split(" ");
//         int M = Integer.valueOf(firLine[0]); // 物品数量
//         int N = Integer.valueOf(firLine[1]); // 背包空间
        
//         // 1. 定义dp数组 dp[i][j]表示在0～i物品内选择j空间的最大价值
//         int[][] dp = new int[M][N+1];
        
//         // 2. 递推公式
//         // dp[i][j] = Math.max(dp[i-1][j],
//         // dp[i-1][j-Integer.valueOf(space[i])]+Integer.valueOf(value[i]))
        
//         // 3. 初始化
//         for (int j=Integer.valueOf(space[0]);j<=N;j++) {
//             dp[0][j] = Integer.valueOf(value[0]);
//         }
    
        
//         // 4. 遍历顺序 先物品再空间
//         for (int i=1;i<M;i++) {
//             for (int j=0;j<N+1;j++) {
//                 if (j < Integer.valueOf(space[i])) {
//                     dp[i][j] = dp[i-1][j];
//                 } else {
//                     dp[i][j] = Math.max(dp[i-1][j],
//                     dp[i-1][j-Integer.valueOf(space[i])]+Integer.valueOf(value[i]));
//                 }
//             }
//         }
        
//         System.out.println(dp[M-1][N]);
        
//     }
// }

// 一维数组

public class Main {
    public static void main(String[] args) {
        Scanner sc = new Scanner(System.in);
        String[] firLine = sc.nextLine().split(" ");
        String[] space = sc.nextLine().split(" ");
        String[] value = sc.nextLine().split(" ");
        int M = Integer.valueOf(firLine[0]); // 物品数量
        int N = Integer.valueOf(firLine[1]); // 背包空间
        
        // 1. 定义dp数组 dp[j]表示空间j的背包的最大价值
        int[] dp = new int[N+1];
        
        // 2. 递推公式
        // dp[j] = Math.max(dp[j],dp[j-Integer.valueOf(space[i])]+Integer.valueOf(value[i]))
        // 3. 初始化
    
        
        // 4. 遍历顺序 先物品再空间
        for (int i=0;i<M;i++) {
            for (int j=N;j>=Integer.valueOf(space[i]);j--) {
                dp[j] = Math.max(dp[j],dp[j-Integer.valueOf(space[i])]+Integer.valueOf(value[i]));
            }
        }
        
        System.out.println(dp[N]);
        
    }
}

3. LeetCode 416. 分割等和子集

题目链接：https://leetcode.cn/problems/partition-equal-subset-sum/description/
文章链接：https://programmercarl.com/0416.分割等和子集.html
视频链接：https://www.bilibili.com/video/BV1rt4y1N7jE/

思路：此题是01背包应用类题。
题目中物品是nums[i]，重量是nums[i]，价值也是nums[i]，背包体积是sum/2。
只有确定了如下四点，才能把01背包问题套到本题上来。
1.背包的体积为sum / 2
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
3.背包如果正好装满，说明找到了总和为 sum / 2 的子集。
4.背包中每一个元素是不可重复放入。

解法：
class Solution {
    public boolean canPartition(int[] nums) {
        int sum = 0;
        for (int i=0;i<nums.length;i++) {
            sum += nums[i];
        }
        if (sum%2==1) return false;
        int N = sum/2;

        //1. 定义dp数组 dp[j] 表示 容量j的背包所能获取的最大的物品价值
        // 注意：这里物品的重量=物品的价值。最大的物品价值=最大的物品重量
        int[] dp = new int[N+1];

        //2.递推公式
        //dp[j] = Math.max(dp[j],dp[j-nums[i]]+nums[i]);

        //3.初始化
        //4.遍历顺序 先物品再背包
        for (int i=0;i<nums.length;i++) {
            for (int j=N;j>=nums[i];j--) {
                dp[j] = Math.max(dp[j],dp[j-nums[i]]+nums[i]);
            }
        }

        return dp[N]==N;
    }
}