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；

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：

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！