动态规划之背包问题

01背包

416分割等和子集
这一题，需要能想到把分割等和子集的问题转化为数组中能否凑出$\frac{target}{2}$。一旦转化了稳提，就变成了一个01背包问题。

内层for循环从右到左，是避免重复使用一个元素。因为从左往右的话，每次利用的前面的数据都是已经处理过了的，而从右到左就不会出现这个问题。

class Solution {
public:
    bool canPartition(vector<int>& nums) {
        int sum=accumulate(nums.begin(),nums.end(),0);
        if(sum&1)
            return false;
        int target=sum>>1;
        //01背包问题
        vector<bool>dp(target+1,false);
        dp[0]=true;
        //用每种物体，对dp数组进行优化
        for(auto&n:nums){
            for(int i=target;i>=1;i--){
                if(i-n>=0 && dp[i-n])
                    dp[i]=true;
            }
        }
        return dp[target];
    }
};

注意accumulate函数是在numeric头文件中的

完全背包

518零钱兑换II
做这一题时，第一遍我做错了，我把他当成最初版本的零钱兑换来写，用一个一维dp,dp[i]+=dp[i-c]然后发现结果错误。因为比如要凑3块钱，就会出现两种重复的凑法(1,2)和(2,1)。究其原因在于，**没有依次独立地对每种硬币的数量进行选择！**不加顺序地临时选择各种硬币，一定会导致出现重复凑法。

因此，遇到存在两种变量的背包问题时，应该要使用二维dp（视情况可以压缩），对两种变量分别加以分解。并且要考虑是否可以重复使用。

class Solution {
public:
    int change(int amount, vector<int>& coins) {
        //背包容量为i时，一共有多少种组合方式
        vector<int>dp(amount+1,0);
        dp[0]=1;
        for(auto&c:coins){
            //从左到右，意味着可以重复使用硬币
            for(int i=1;i<=amount;i++)
                if(i-c>=0)
                    dp[i]+=dp[i-c];
        }
        return dp[amount];
    }
};