背包9讲——01背包问题及变种题目

力扣上刷了快200道题了，动态规划的题也做了很多，但是发现自己始终不得其精髓，有些奇奇怪怪的题可以转化为动态规划问题，但是没有经过系统训练就是不知道，就算看到答案也是看不懂；
网上类似的讲解很多很多，我这里只是总结其他人的观点，再融入自己见解，主要目的是对学习过程进行记录，而不是搞出一些新的知识点；欢迎各位能在我理解的基础上更进一步，总结出自己的学习方法和思路；

经典题目

有容量为n的容器。有很多种物体，第i件物品对应的体积和价值分别是Vi及Wi，每种物品仅有一件，可以选择放或者不放，问将那些物体放入背包会使得总价值最大。

基本思路

根据动态规划一般思路，需要给出状态转移方程，这玩意儿感觉就跟数学里面的归纳法一样，就是需要给出一系列数字中后一个跟前一个关系；那么问题是这一系列数怎么选才能让他们有规则呢？
对于我这种数学成绩很差的人来说只能穷举了，一个一个看，一个一个总结。
如果对于前i-1件物品恰好放进一个容量为v的背包的最大价值是F[i-1][v]，那么对于第i个物体，同样大小的背包，我们可以选择放或者不放。
如果放，那么
$$F[i][v]=F[i-1][v-Vi]+Wi$$
其中Vi代表第i个物体的体积，Wi代表第i个物体的价值，F[i-1][v-Vi]代表如果前i-1个物体中如果背包体积v-Vi情况下最大的价值
如果不放，那么
$$F[i][v]=F[i-1][v]$$
因此我们只需要取较大值就可以，可以写做
$$F[i][v]=max(F[i-1][v],F[i-1][v-Vi]+Wi)$$
除此之外，在栈空间中声明的对象需要全部初始化为0，并没有什么额外的条件；

我们注意到上面其实是有依赖关系的，也就是说我们在找F[i][v]的时候必须事先知道F[i-1][v]及F[i-1][v-Vi]，也就是对于大的i和v都依赖于更小的i和v，因此可以从0——max进行两层循环，伪代码如下：

空间优化

其实上面的过程一维数组就能实现，我们选择只保留背包大小这一个维度，那我们的状态转移方程就可以这样写：
$$F[v]=max(F[v],F[v-Vi]+Wi)$$
上面的方程什么时候会与
$$F[i][v]=max(F[i-1][v],F[i-1][v-Vi]+Wi)$$
等价呢？ 当我们访问到的F[v]都是i-1对应的f[v]时，那我们就可以推出下一个时候的最大价值。
那我们怎么保证我们每次访问的都是i-1的呢，本来不同的i值对应一个值，现在同一个v下只用一个一个值来代表整个不同i对应的数组；我们只需要保留i-1时候，本来我们计算后面的i需要依赖前面的i值刷新；但是如果我们从大到小遍历v，那么当到i到时候，i-1对应的值并没有被刷新，也就达到了我们的目的；
这样伪代码如下：

变种题目

这里要求我们把一个数组分成两组使其和相等，我们可以先求和，然后判断是否为偶数，如果为偶数，那么我们可以这样想：
将和除以二得到的数记为targetnum；
背包的容量就是数组的长度；每个物体的体积就是1，价值就是对应的数，我们只需要按照01背包问题进行查找，看看能否找到放进去的物体价值刚好等于targetnum；如果有，则返回真，如果无则返回false；
放上链接，快去做一做吧：
https://leetcode-cn.com/problems/partition-equal-subset-sum/
https://leetcode-cn.com/problems/ones-and-zeroes/