01背包
1. 确定dp数组以及下标的含义: 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。两个维度需要表示,分别是:物品 和 背包容量
状态转移方程 dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
- 不放入当前物品
i
的情况下的最大价值,即dp[i - 1][j]
。 - 放入当前物品
i
的情况下的最大价值,即dp[i - 1][j - weight[i]] + value[i]
。
2. 初始化 dp
数组
在背包问题中,背包容量确实是量化的,通常用一个整数 bagweight
来表示背包的最大承重能力。
for (int j = weight[0]; j <= bagweight; j++) { dp[0][j] = value[0]; }
如果背包容量大于或等于第一个物品的重量,那么我们可以选择放入或不放入第一个物品。如果放入,则背包的价值至少为第一个物品的价值 value[0]
。注意,这个循环从 weight[0]
开始,因为如果背包容量小于第一个物品的重量,那么就不能放入第一个物品,最大价值仍然是0。
例题: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。
- 背包容量
N
:这是小明的行李空间,表示背包能容纳物品的总重量。 - 物品重量
weight
数组:包含每种研究材料所占空间的数组。 - 物品价值
value
数组:包含每种研究材料价值的数组。 dp
数组:动态规划表,dp[i][j]
表示在考虑前i
个物品,且背包容量为j
时能够获得的最大价值。
vector<vector<int>> dp(M, vector<int>(N + 1, 0)); // M 为物品种类数,N 为背包容量
初始化了 dp
数组,其中 M
是物品的种类数,N + 1
是背包容量加一(因为数组索引从 0 开始)。
for (int j = weight[0]; j <= N; j++) { dp[0][j] = value[0]; }初始化第一个物品在不同背包容量下的最大价值。如果研究材料所占空间小于等于背包容量,可放入。
如果背包容量 N
是 1,但第一个物品的重量 weight[0]
大于 1,那么这个物品就无法放入背包中。在这种情况下,初始化循环将不会执行(因为 weight[0]
大于 N
),dp[0][j]
将保持为 0,这符合我们的预期,因为无法放入任何物品。
#include <bits/stdc++.h>
using namespace std;
int main() {
int n, bagweight;// bagweight代表行李箱空间
cin >> n >> bagweight;
vector<int> weight(n, 0); // 存储每件物品所占空间
vector<int> value(n, 0); // 存储每件物品价值
for(int i = 0; i < n; ++i) {
cin >> weight[i];
}
for(int j = 0; j < n; ++j) {
cin >> value[j];
}
// dp数组, dp[i][j]代表行李箱空间为j的情况下,从下标为[0, i]的物品里面任意取,能达到的最大价值
vector<vector<int>> dp(weight.size(), vector<int>(bagweight + 1, 0));
// 初始化, 因为需要用到dp[i - 1]的值
// j < weight[0]已在上方被初始化为0
// j >= weight[0]的值就初始化为value[0]
for (int j = weight[0]; j <= bagweight; j++) {
dp[0][j] = value[0];
}
for(int i = 1; i < weight.size(); i++) { // 遍历科研物品
for(int j = 0; j <= bagweight; j++) { // 遍历行李箱容量
if (j < weight[i]) dp[i][j] = dp[i - 1][j]; // 如果装不下这个物品,那么就继承dp[i - 1][j]的值
else {
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
}
}
}
cout << dp[n - 1][bagweight] << endl;
return 0;
}
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
要明确本题中我们要使用的是01背包,因为元素我们只能用一次。
回归主题:首先,本题要求集合里能否出现总和为 sum / 2 的子集。
- 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。
-
初始化:首先计算数组
nums
的总和sum
,如果总和是奇数,则无法平分,直接返回false
。如果总和是偶数,则计算目标总和target
为sum / 2
。 -
动态规划数组初始化:
dp
数组的大小设置为10001,所有元素初始化为0。这个大小足够覆盖所有可能的总和,因为题目中提到数组元素的最大值不会超过100,数组大小不会超过200,总和不会超过20000。 -
填充动态规划数组:使用两层循环来填充
dp
数组。外层循环遍历数组nums
中的每个元素,内层循环从target
开始递减,直到当前元素的值。这里从大到小遍历是因为每个元素只能使用一次,我们需要检查是否可以用当前元素来更新dp[j]
的值。 -
状态转移:对于每个
j
,如果dp[j - nums[i]]
已经为真(即存在一个子集其总和为j - nums[i]
),那么我们可以加上当前元素nums[i]
来尝试构成总和为j
的子集。如果这样做可以构成,就更新dp[j]
为真。 -
检查结果:最后,检查
dp[target]==target
是否为真。如果为真,说明存在一个子集的总和等于target
,即数组可以被分成两个总和相等的子集,返回true
;否则返回false
。
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;
}
};
1049.最后一块石头的重量II
有一堆石头,每块石头的重量都是正整数。
每一回合,从中选出任意两块石头,然后将它们一起粉碎。假设石头的重量分别为 x 和 y,且 x <= y。那么粉碎的可能结果如下:
如果 x == y,那么两块石头都会被完全粉碎;
如果 x != y,那么重量为 x 的石头将会完全粉碎,而重量为 y 的石头新重量为 y-x。
最后,最多只会剩下一块石头。返回此石头最小的可能重量。如果没有石头剩下,就返回 0
这个问题实际上是一个变种的背包问题,我们可以通过动态规划的方法来解决。在这个问题中,我们的目标是找到一种粉碎石头的方式,使得最后剩下的石头的重量最小。这个问题可以转化为一个类似于01背包问题的场景,其中石头的重量相当于背包问题中物品的重量,而我们希望达到的总重量(即背包的容量)是所有石头重量的一半。
dp[j]
表示在所有石头粉碎后,剩下的石头总重量为j
时,能达到的最小重量,
最后dp[target]里是容量为target的背包所能背的最大重量。
那么分成两堆石头,一堆石头的总重量是dp[target],另一堆就是sum - dp[target]。
和前面的很像,还是分组目标为一半,但是返回的是 (sum - dp[target]) - dp[target]。
class Solution {
public:
int lastStoneWeightII(vector<int>& stones) {
vector<int> dp(15001, 0);
int sum = 0;
for (int i = 0; i < stones.size(); i++) sum += stones[i];
int target = sum / 2;
for (int i = 0; i < stones.size(); i++) { // 遍历物品
for (int j = target; j >= stones[i]; j--) { // 遍历背包
dp[j] = max(dp[j], dp[j - stones[i]] + stones[i]);
}
}
return sum - dp[target] - dp[target];
}
};