DAY42：01背包问题+应用

01背包问题

下述背包问题的分类很详细

代码随想录

在leetcode中主要涉及到01背包和完全背包问题的应用题，因此先从01背包的原理开始学习。

01背包问题：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。

暴力解法复杂度：物品存在取和不取的两种状态，因此是2^N复杂度，因此需要动态规划的方式来解决。

二维背包问题

1、确定数组及下标

dp[i][j] 表示从下标为[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。

2、递推公式

有两个方向推出来dp[i][j]，

不放物品i：由dp[i - 1][j]推出，即背包容量为j，里面不放物品i的最大价值，此时dp[i][j]就是dp[i - 1][j]。(其实就是当物品i的重量大于背包j的重量时，物品i无法放进背包中，所以背包内的价值依然和前面相同。)

放物品i：由dp[i - 1][j - weight[i]]推出，dp[i - 1][j - weight[i]] 为背包容量为j - weight[i]的时候不放物品i的最大价值，那么dp[i - 1][j - weight[i]] + value[i] （物品i的价值），就是背包放物品i得到的最大价值

所以递归公式： dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);

3、初始化

如果背包容量j为0的话，即dp[i][0]，无论是选取哪些物品，背包价值总和一定为0。

dp[0][j]，即：i为0，存放编号0的物品的时候，各个容量的背包所能存放的最大价值。

那么很明显当 j < weight[0]的时候，dp[0][j] 应该是 0，因为背包容量比编号0的物品重量还小。

当j >= weight[0]时，dp[0][j] 应该是value[0]，因为背包容量放足够放编号0物品。

4、递归逻辑

需要遍历物品和背包容量

01背包（滚动数组）

代码随想录

上面我们使用了二维数组来进行状态更新，但是如果将dp[i-1]的状态更新到dp[i]上，就可以使用一维数组，称为滚动数组。

1、确定dp数组定义

在一维dp数组中，dp[j]表示：容量为j的背包，所背的物品价值可以最大为dp[j]。

2、递归公式

dp[j]可以通过dp[j - weight[i]]推导出来，dp[j - weight[i]]表示容量为j - weight[i]的背包所背的最大价值。

此时dp[j]有两个选择，一个是取自己dp[j] 相当于 二维dp数组中的dp[i-1][j]，即不放物品i，一个是取dp[j - weight[i]] + value[i]，即放物品i，指定是取最大的，

dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);

3、初始化

dp[0]=0，其他都初始化为0

4、遍历顺序

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]);

    }
}

倒序遍历是为了保证物品i只被放入一次！。但如果一旦正序遍历了，那么物品0就会被重复加入多次！并且一定要先遍历物品再遍历背包容量。

Leetcode: 416 分割等和子集

这道题转化为背包问题，

1、dp的定义

dp[j]容量为j的背包，所背的物品价值最大可以为dp[j]。只是这道题目中背包的价值和重量都是nums[i]

2、递归公式

所以递归公式为dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);

3、特殊处理

如果背包的总和为奇数的话，肯定不能分为两个子集，所以可以先剪枝进行判断。

同时这道题需要注意物品的重量和价值是一样的，所以递推公式中dp[j-nums[i]]就是没放进去的价值再加上num[i]就是总体价值。

总背包的重量为sum/2，找到一半就可以了，如果找到的重量==一半的重量就是true。其他情况就是false。

时间复杂度：O(n^2)

空间复杂度：O(n)

class Solution {
public:
    bool canPartition(vector<int>& nums) {
        int result = 0;//需要初始化，没有初始化为0会报错
        for(int i = 0; i < nums.size(); i++){
            result += nums[i];
        }
        if(result % 2 == 1) return false;

        result = result / 2;//更新背包的重量
        vector<int> dp(result + 1, 0);//确定dp数组的大小
        for(int i = 0; i < nums.size(); i++){
            for(int j = result; j >= nums[i]; j--){//背包问题
                dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);
            }
        }
        if(dp[result] == result) return true;
        return false;

    }
};