背包问题

1.参考资料

背包问题从简单到复杂有：

0-1背包：每种物品只能放入一次

完全背包：每种物品放入次数不限

多维费用背包：物品的费用可能有重量和体积等多个方面

复杂约束背包：背包的物品相互约束或依赖

推荐的材料是背包问题九讲，初步学习了0-1背包和完全背包问题。

 

2.  0-1背包问题

所有的背包问题都可以由0-1背包演化而来。

2.1 问题定义：

有一些物品，这些物品的重量为[cost i],对应的价值为[value i]，将它们装进容量为V的背包，求能获得的最大价值。

2.2 状态定义：

F[i,s]表示将前i件物品装进容量为s的背包时能获得的最大价值，则F[I,V]就是最优解。

2.3 状态转移方程：

F[i,s] = max{ F[i-1,s](不把第i件物品放入背包)，F[i-1,s-cost i]+value i(把第i 件物品放入背包)}

2.4 求解算法：

2.5 优化：

上述F数组是I*V，可以优化成一维数组。只要把重量的遍历顺序固定为V---cost i。因为每次更新时要用到前面的值，若从小到大更新，那么后边更新用到的前面的值是更新后的F[i，s-cost i]而非F[i-1, s-cost i]。实际上，求解时通常优先考虑一维数组。

算法改为：

 2.6 初始化：

若把题目的要求改为“装满背包时，最大价值多少”，则初始化F[0]=0,F[1..V]为-，因为s=0,问题可能有解，而没东西可放但是容量不为0，说明没有可行解，用无穷来表示这种状态。

其他的背包问题也要注意初始化问题，根据情况选为负无穷或正无穷。

 

3.  完全背包问题

3.1 定义

与0-1背包唯一的不同是每种物品数量不限。

3.2 状态转移方程

F[i,s] = max{ F[i-1,s](根本不把第i件物品放入背包)，F[i,s-cost i]+value i(把第i 件物品放入背包一次或多次)}唯一的区别在于第二项从i-1到i。

3.3 求解算法

 与0-1背包唯一的不同是重量的遍历顺序相反，完全背包的每一项更新要用到前边的更新后的值，所以要从小到大遍历，这样计算F[i,s]时，保证s-cost i的位置上是更新后的F[i, s-cost i]而非F[i-1, s-cost i]。

 

解背包问题的注意点

1.初始化

2.遍历顺序

3.数组的下标不要越界,比如 cost i可能大于V

4.  leetcode

416 0-1背包 装满

题目定义

非负数组分为两个子数组，两个子数组的和相等。给定一个数组，请问是否能分开。

代码

class Solution(object):
    def canPartition(self, nums):
        """
        :type nums: List[int]
        :rtype: bool
        """
        if not nums:
            return True
        if  len(nums)==1 :
            return True if nums[0]==0 else False
        nums_sum = 0
        for i in nums:
            nums_sum += i
        if nums_sum%2==1:
            return False
        v = nums_sum/2
        dp = [-1]*(v+1)#因为要装满，所以初始化为-1表示无解
        dp[0] = 1#初始化为1表示有解
        for i in nums:
            for idx in range(i,v+1)[::-1]:
                if dp[idx]==1 or dp[idx-i]==1:
                    dp[idx]=1
        return True if dp[-1]==1 else False

因为是要装满且是看问题有无解，所以初始化为-1表示无解，初始化为1表示有解。

---

322 完全背包 装满

问题定义

给一组人民币取值数组，给定一个目标值，求能用人民币数组表示的方案的最小张数，无解返回-1.

代码

class Solution(object):
    def coinChange(self, coins, amount):
        if not coins or amount<0:
            return -1
        dp = [10000]*(amount+1)
        dp[0] = 0
        for i in coins:
            for idx in range(i,amount+1):
                dp[idx]=min(dp[idx],dp[idx-i]+1)
        return dp[-1] if dp[-1]<10000 else -1

因为要求最小解，所以无解的初始值为正无穷。这是一个通用技巧。

---

474 0-1背包 二维约束

问题定义

给定0和1的个数，从一个字符串数组中选出不超过0，1的个数的最大字符串数。

 代码

class Solution(object):
    def findMaxForm(self, strs, m, n):
        if not strs:
            return 0
        dp = [[0 for i in range(n+1)] for j in range(m+1)]
        for s in strs:
            c0 = s.count('0')
            c1 = s.count('1')
            if c0>m or c1>n:
                continue
            for x in range(c0,m+1)[::-1]:
                for y in range(c1,n+1)[::-1]:
                    dp[x][y] = max(dp[x][y],dp[x-c0][y-c1]+1)
        return dp[m][n]

 与0-1背包的不同是F成了二维数组，分别表示两个约束的取值。也多了一层循环。

python新建二维list使用列表产生式，此处容易踩坑！！！而且行数列数顺序先后要注意！！！

---

377  交换内外层循环

问题定义

给出一个数组和目标值，求 和为目标值(正数)的组合数。注意，顺序不一样算两种解。

代码

from collections import deque
class Solution(object):
    def combinationSum4(self, nums, target):
        if not nums:
            return 0
        dp = [0]*(target+1)
        dp[0]=1
        for i in range(1,target+1):
            for num in nums:
                if i-num>=0:
                    dp[i]+=dp[i-num]
        return dp[-1]

---

494 巧妙转化为0-1背包

问题定义

给定数组，每个元素可以取为正或负，问有几种方法使数组所有元素和为目标值。

代码

class Solution(object):
    def findTargetSumWays(self, nums, S):
        if not nums:
            return 0
        sum_nums = sum(nums)
        if S>sum_nums or (sum_nums-S)%2==1:
            return 0
        target = (sum_nums-S)/2
        dp = [0]*(target+1)
        dp[0] = 1
        for num in nums:
            for idx in range(num,target+1)[::-1]:
                dp[idx] = dp[idx]+dp[idx-num]
        return dp[-1]

数组全取正数，和为sum_nums，与target差值的一半，就是取值为负的数的和。

问题变成了，选取数组的若干个数，使和为目标值（sum_nums-target)/2。

即0-1背包问题 装满。