01背包问题
文档讲解 : 代码随想录 - 01背包问题
状态:再次回顾。
01背包
有n
件物品和一个最多能背重量为w
的背包。第i件物品的重量是weight[i]
,得到的价值是value[i]
。每件物品只能用一次,求解将哪些物品装入背包里物品价值总和最大。
动态规划五部曲:
-
确定dp数组(dp table)以及下标的含义
dp[i]的定义为: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。 -
确定递推公式
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
-
dp数组如何初始化
// 初始化 dp vector<vector<int>> dp(weight.size(), vector<int>(bagweight + 1, 0)); for (int j = weight[0]; j <= bagweight; j++) { dp[0][j] = value[0]; }
-
确定遍历顺序
先遍历背包,再遍历物品。(二维dp数组两者换顺序也可以) -
举例推导dp数组:
对应的dp数组的数值,如图:
代码:
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();
}
01背包问题——滚动数组
文档讲解 : 代码随想录 - 01背包问题——滚动数组
状态:再次回顾。
动态规划五部曲:
-
确定dp数组(dp table)以及下标的含义
dp[i]的定义为:容量为j
的背包,所背的物品价值可以最大为dp[j]
。 -
确定递推公式
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
-
dp数组如何初始化
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
-
确定遍历顺序
先遍历物品,再遍历背包。(不可以换顺序!)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]); } }
-
举例推导dp数组:
一维dp,分别用物品0,物品1,物品2 来遍历背包,最终得到结果如下:
代码:
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();
}
416. 分割等和子集
文档讲解 : 代码随想录 - 416. 分割等和子集
状态:再次回顾。
思路
套用01背包:
- 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。
动态规划五部曲:
-
确定dp数组(dp table)以及下标的含义
dp[i]的定义为:容量为j
的背包,所背的物品价值最大可以为dp[j]
。 -
确定递推公式
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
-
dp数组如何初始化
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
-
确定遍历顺序
先遍历物品,再遍历背包。(不可以换顺序!)// 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]); } }
-
举例推导dp数组:
用例1,输入[1,5,11,5]
为例,如图:
最后dp[11] == 11,说明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。
本题代码:
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 ) O(n^2) O(n2)
- 空间复杂度: O ( n ) O(n) O(n),虽然dp数组大小为一个常数,但是大常数