动态规划-01背包问题 &&LeetCode416 Partition Equal Subset Sum

背包问题

01背包问题引入

一 问题
有n个物品,它们有各自的体积和价值,现有给定容量的背包,如何让背包里装入的物品具有最大的价值总和?换而言之,如何用有限的体积装最多价值的物品?

本题:number=4,capacity=8

i(物品编号) 1 2 3 4
w(体积) 2 3 4 5
v(价值) 3 4 5 6

二 总体思路
根据动态规划解题步骤(问题抽象化、建立模型、寻找约束条件、判断是否满足最优性原理、找大问题与小问题的递推关系式、填表、寻找解组成)找出01背包问题的最优解以及解组成,然后编写代码实现。

动态规划的原理
动态规划与分治法类似,都是把大问题拆分成小问题,通过寻找大问题与小问题的递推关系,解决一个个小问题,最终达到解决原问题的效果。但不同的是,分治法在子问题和子子问题等上被重复计算了很多次,而动态规划则具有记忆性,通过填写表把所有已经解决的子问题答案纪录下来,在新问题里需要用到的子问题可以直接提取,避免了重复计算,从而节约了时间,所以在问题满足最优性原理之后,用动态规划解决问题的核心就在于填表,表填写完毕,最优解也就找到。

最优性原理是动态规划的基础,最优性原理是指“多阶段决策过程的最优决策序列具有这样的性质:不论初始状态和初始决策如何,对于前面决策所造成的某一状态而言,其后各阶段的决策序列必须构成最优策略”。

背包问题的解决过程
在解决问题之前,为描述方便,首先定义一些变量:Vi表示第 i 个物品的价值,Wi表示第 i 个物品的体积,定义V(i,j):当前背包容量 j,前 i 个物品最佳组合对应的价值,同时背包问题抽象化(X1,X2,…,Xn,其中 Xi 取0或1,表示第 i 个物品选或不选)。

1、建立模型,即求max(V1X1+V2X2+…+VnXn);

2、寻找约束条件,W1X1+W2X2+…+WnXn<capacity;

3、寻找递推关系式,面对当前商品有两种可能性:

包的容量比该商品体积小,装不下,此时的价值与前i-1个的价值是一样的,即V(i,j)=V(i-1,j);
还有足够的容量可以装该商品,但装了也不一定达到当前最优价值,所以在装与不装之间选择最优的一个,即V(i,j)=max{V(i-1,j),V(i-1,j-w(i))+v(i)}。
其中V(i-1,j)表示不装,V(i-1,j-w(i))+v(i) 表示装了第i个商品,背包容量减少w(i),但价值增加了v(i);

由此可以得出递推关系式:

j<w(i) V(i,j)=V(i-1,j)
j>=w(i) V(i,j)=max{V(i-1,j),V(i-1,j-w(i))+v(i)}
这里需要解释一下,为什么能装的情况下,需要这样求解(这才是本问题的关键所在!):

可以这么理解,如果要到达V(i,j)这一个状态有几种方式?

肯定是两种,第一种是第i件商品没有装进去,第二种是第i件商品装进去了。没有装进去很好理解,就是V(i-1,j);装进去了怎么理解呢?如果装进去第i件商品,那么装入之前是什么状态,肯定是V(i-1,j-w(i))。由于最优性原理(上文讲到),V(i-1,j-w(i))就是前面决策造成的一种状态,后面的决策就要构成最优策略。两种情况进行比较,得出最优。

4、填表,首先初始化边界条件,V(0,j)=V(i,0)=0;

在这里插入图片描述

然后一行一行的填表:

如,i=1,j=1,w(1)=2,v(1)=3,有j<w(1),故V(1,1)=V(1-1,1)=0;
又如i=1,j=2,w(1)=2,v(1)=3,有j=w(1),故V(1,2)=max{ V(1-1,2),V(1-1,2-w(1))+v(1) }=max{0,0+3}=3;
如此下去,填到最后一个,i=4,j=8,w(4)=5,v(4)=6,有j>w(4),故V(4,8)=max{ V(4-1,8),V(4-1,8-w(4))+v(4) }=max{9,4+6}=10……
所以填完表如下图:
在这里插入图片描述

5、表格填完,最优解即是V(number,capacity)=V(4,8)=10。
https://blog.csdn.net/qq_38410730/article/details/81667885

LeetCode416 Partition Equal Subset Sum

Description

Given a non-empty array containing only positive integers, find if the array can be partitioned into two subsets such that the sum of elements in both subsets is equal.
Note:
Each of the array element will not exceed 100.
The array size will not exceed 200.

  • Example 1
Input: [1, 5, 11, 5]
Output: true

Explanation: The array can be partitioned as [1, 5, 5] and [11].

  • Example 2
Input:  [1, 2, 3, 5]

Output:  false

Explanation: The array cannot be partitioned into equal sum subsets.

Solution

在前述题目中,有物品的体积和价值两个限定条件,同时还有背包的最大承重量。在这道题目中,我们把数组的值作为体积和价值,以数组和的一半作为最大承重量(如果数组中的某个数超过数组和一半的话,很明显是无法patition的),构建的二维数组中V(i,j)来表示(i,j)处的价值。

package 动态规划之01背包;
/**
 *@author:DaciVin
 *@version:2019-8-23上午10:25:53
 **/
/**
 * @author:DaciVin
 * strategy: DP
 * source:LeetCode416,
 */
public class project416 {

/**
 * 二维数组	
 * @param nums
 * @return
 */
	public boolean canPartition2(int[] nums) {  
	     int sum=0;  
	     for (int num:nums) sum+= num;
	     if(sum % 2 == 1) return false;
	     else{  
	        sum /=2;
	        int n=nums.length;  

	        int dp[][]=new int[n+1][sum + 1];  
//i虽然从1开始遍历,但是要从nums的第一个元素开始,也就是nums[0]开始找,也就是i-1
	        for (int i = 1; i <=n; i++) {
	    		for (int j = 1; j <= sum; j++) {
	    			
	    			if (j < nums[i-1])
	    				dp[i][j] = dp[i - 1][j];
	    			else
	    				dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - nums[i-1]] + nums[i-1]);
	    		}
	    	}
	        if(dp[n][sum]==sum) 
	            return true;  
	        else
	            return false;  
	     }  

	 }  
	
	private int computeArraySum(int[] nums) {
	    int sum = 0;
	    for (int num : nums) {
	        sum += num;
	    }
	    return sum;
	}

	/**
	 * @param args
	 */
	public static void main(String[] args) {
		boolean res;
		project416 p1=new project416();
		int []nums= {1,11,7};
		res=p1.canPartition2(nums);
		System.out.println(res);
		System.out.println(11/2);
		
	}

}


Appendix

1.背包问题部分转自 Yngz_Miao的博客,作者讲的背包问题是非常非常非常好的,墙裂推荐!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值