01背包问题分类－最全概括总结

01背包问题的基础见前两篇笔记：
二维数组写法和一维数组写法
01背包问题主要分为３类：
背包是否可以装满问题，即存在性问题
背包最多能装多少问题，即最大值问题
有几种方式装满背包，即组合问题
我们接下来就开始看一看这三类问题
１.　背包是否可以装满问题，即存在性问题，是否存在一个。。。，可以使得背包被装满。
例题：分割等和子集

在这道题中，其实问的就是，是否存在一个子集，该子集的和＝原数组和的1/2。
我们可以将背包的容量看作是sum(nums)/2。遍历找到符合该容量的值放入背包，并求其能得到的最大值。如果，最终放入的最大值=sum(nums)/2，那么就说明该背包可以被填满，一个容量为sum(nums)/2的背包被填满，就说明，存在子集，使得该子集的和＝原数组和的1/2。
1）dp数组
dp[j]：存入容量为j的背包的集合元素所能得到的最大值。
2）状态转移公式
dp[j] = max(dp[j],dp[j-nums[i]]+nums[i])
3）初始化
dp[0] = 0
4）遍历顺序

for i in range(len(nums)):
	for j in range(sum(nums)/2,0,-1):
		if j < nums[i]:
			dp[j] = dp[j]
		else:
			dp[j] = max(dp[j],dp[j-nums[i]]+nums[i])

5）举例
[1,3,4]
(1+3+4)/2=4
dp[0] = 0
dp[4] = dp[3]+1 = 1
dp[3] = dp[2]+1 = 1
dp[2] = dp[1]+1 = 1
dp[1] = dp[1]+1 = 1
dp[4] = (max(dp[1]+3),dp[4])=4
dp[3] = (max(dp[0]+3),dp[3])=3
dp[2] = 1
dp[1] = 1
dp[4] = (max(dp[0]+4),dp[4])=4
dp[3] =3
dp[2] = 1
dp[1] = 1
dp[4] = 4
所以存在子集
代码如下：

class Solution:
    def canPartition(self, nums: List[int]) -> bool:
        sum_dp = sum(nums)
        sum_dp_h = int(sum_dp/2)
        if sum_dp % 2 == 1:
            return(False)
        dp = [0]*(sum_dp_h+1)
        dp[0] = 0
        n = len(nums)
        for i in range(n):
            for j in range(sum_dp_h,0,-1):
                if j < nums[i]:
                    dp[j] = dp[j]
                else:
                    dp[j] = max(dp[j],dp[j-nums[i]]+nums[i])
        return(dp[sum_dp_h] == sum_dp_h)

2.　背包最多能装多少问题，即最大值问题，也就是当背包装到不能再装的时候，最多能装多少。
例题：最后一块石头的重量II

其实这道题可以转换为，将这些石头分为总和最接近的两堆，那么这两堆的差值，就是我们要求的结果。比如[2,7,4,1,8,1]->我们可以将它分成[2,7,1,1]和[4,8]，这样的总和差值就为1。所以直接将背包的承重看作是石头的总和/2向下取整，即int(sum(stones)/2)。求能该背包装到不能再装时候的最大值max。max就为其中一堆的重量。这样只要用另一堆的重量：(sum(stones)/2-max)-max即为所求。
1）dp
dp[j]：重量为j的背包所能装入的石头的最大总价值
2）状态转移
dp[j] = max(dp[j-stones[i]]+stones[i],dp[j])
3）初始化
dp[0]=0
4）遍历顺序

for i in range(len(stones)):
	for j in range(sum(stones)/2,stones[i]-1,-1):
		dp[j] = max(dp[j-stones[i]]+stones[i],dp[j])

5）例子
[1,2,3,1]->3
dp[0] = 0
dp[3] = 1
dp[2] = 1
dp[1] = 1
dp[3] = max(dp[1]+2,dp[3])=3
dp[2] = max(dp[0]+2,dp[2])=2
dp[1]=1
dp[3]= max(dp[0]+3,dp[3])=3
dp[2]=2
dp[1]=1
dp[3]=max(dp[2]+1,dp[3])=3
dp[2]=max(dp[1]+1,dp[2])=3
dp[1]=max(dp[0]+1,dp[1])=1
return(sum-dp[1]-dp[1]=1)
代码如下：

class Solution:
    def lastStoneWeightII(self, stones: List[int]) -> int:
        sum_stones = int(sum(stones)/2)
        dp = [0]*(sum_stones+1)
        for i in range(len(stones)):
            for j in range(sum_stones,stones[i]-1,-1):
                dp[j] = max(dp[j],dp[j-stones[i]]+stones[i])
        return(sum(stones)-dp[sum_stones]-dp[sum_stones])

3.　装满背包有多少种方法，即组合问题。
例题：目标和问题

其实就是达到target有多少种组合。我们可以看一下，设正数和为x，负数和为-y，那么x+y=sum,x-y=target。这样的话x=(sum+target)/2。所以我们只需要看，一个nums里，正数加起来的和能够达到x的种类就可以了。
1）dp
dp[j]：和能够达到j的种数
2）状态转移
其实就是加入i之后能够到达j的个数(dp[j-nums[i]])再加上未加入i之前本来就可以达到j的个数(dp[j])。也就是dp[j]=dp[j-nums[i]]+dp[j]
3）初始化
dp[0]=1
还要看是否(sum+target)%2=1，如果=1，那么说明没有能够达到target的组合，直接返回0。如果target的绝对值大于sum，那也是没有能够达到target的组合的，直接返回0。
4）遍历顺序

for i in range(len(nums)):
	for j in range(x,nums[i]-1,-1):
		dp[j] = dp[j]+dp[j-nums[i]]

5）举例
[1,1,1,1,1] target = 3
dp[0]=1
dp[4]=dp[3]+dp[4]=0
dp[3]=dp[2]+dp[3]=0
dp[2]=dp[1]+dp[2]=0
dp[1]=dp[0]+dp[1]=1

dp[4]=dp[3]+dp[4]=0
dp[3]=dp[2]+dp[3]=0
dp[2]=dp[1]+dp[2]=1
dp[1]=dp[0]+dp[1]=2

dp[4]=dp[3]+dp[4]=0
dp[3]=dp[2]+dp[3]=1
dp[2]=dp[1]+dp[2]=3
dp[1]=dp[0]+dp[1]=3

dp[4]=dp[3]+dp[4]=1
dp[3]=dp[2]+dp[3]=4
dp[2]=dp[1]+dp[2]=6
dp[1]=dp[0]+dp[1]=4

dp[4]=dp[3]+dp[4]=5
dp[3]=dp[2]+dp[3]=10
dp[2]=dp[1]+dp[2]=10
dp[1]=dp[0]+dp[1]=5
return(dp[4]=5)
代码如下：

class Solution:
    def findTargetSumWays(self, nums: List[int], target: int) -> int:
        if (sum(nums)+target) % 2 == 1 or abs(target)>sum(nums):
            return 0
        positive = int((sum(nums)+target)/2)
        dp=[0]*(positive+1)
        dp[0]=1
        for i in range(len(nums)):
            for j in range(positive,nums[i]-1,-1):
                dp[j] = dp[j] + dp[j-nums[i]]
        return(dp[positive])