_36LeetCode代码随想录算法训练营第三十六天-动态规划背包问题 | 416.分割等和子集

Jasmine-Lily

已于 2023-01-31 10:48:04 修改

阅读量175

点赞数 1

分类专栏： Algorithms 文章标签：动态规划算法 leetcode c++ 数据结构

于 2023-01-29 18:32:31 首次发布

本文链接：https://blog.csdn.net/weixin_44410704/article/details/128792796

版权

Algorithms 专栏收录该内容

54 篇文章 0 订阅

订阅专栏

_36LeetCode代码随想录算法训练营第三十六天-动态规划背包问题 | 416.分割等和子集

题目列表

01背包问题，你该了解这些！
01背包问题，你该了解这些！滚动数组
416.分割等和子集

01背包问题，你该了解这些！

代码随想录地址：https://programmercarl.com/%E8%83%8C%E5%8C%85%E7%90%86%E8%AE%BA%E5%9F%BA%E7%A1%8001%E8%83%8C%E5%8C%85-1.html

背包问题分类

在这里插入图片描述

背包问题的经典资料当然是：背包九讲，已经下载，是竞赛级别的，学有余力计划去看看。

标准背包问题

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。

举例：

背包最大重量为4。

物品为：

	重量	价值
物品0	1	15
物品1	3	20
物品2	4	30

问背包能背的物品最大价值是多少？
在这里插入图片描述

背包问题暴力解法

每一件物品其实只有两个状态，取或者不取，所以可以使用回溯法搜索出所有的情况，那么时间复杂度就是 $o(2^n)$ ，这里的n表示物品数量。（这种方式在力扣上面会超时）

动态规划解决背包问题

思路

确定dp数组以及下标的含义

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。
在这里插入图片描述

确定递推公式

此递推公式的前提为：重量越大，价值越高。

不放物品i：背包容量为j，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，此时dp[i] [j]就是dp[i - 1] [j]。

放物品i：背包容量为j，当物品i的重量小于等于背包j的重量时，物品i可以放进背包中；当物品i的重量等于背包的容量时，直接将物品i放进背包即可获得最大价值；当物品i的重量小于背包的容量时，为了将背包尽量塞满，就要找到背包的容量为j - weight[i]时的最大价值，然后加上value[i]即可获得价值最大值。

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

初始化dp

1.当背包容量为0时，背包价值总和一定为0；此时需要初始化背包为0时的所有dp。

2.状态转移方程 dp[i] [j] = max(dp[i - 1] [j], dp[i - 1] [j - weight[i]] + value[i]); 可以看出i 是由 i-1 推导出来，那么i为0的时候就一定要初始化。

当 j < weight[0]的时候，dp[0] [j] 应该是 0。

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。

3.其他的dp元素可以根据递推公式求得。

在这里插入图片描述

遍历顺序

两个遍历的维度：物品与背包重量。

本题中先遍历物品和先遍历背包重量都可以，主要根据递推公式来判断。

代码

void test_2_wei_bag_problem1() {
    vector<int> weight = {1, 3, 4};
    vector<int> value = {15, 20, 30};
    int bagweight = 4;

    // 二维数组 全部初始化为0
    vector<vector<int>> dp(weight.size(), vector<int>(bagweight + 1, 0));

    // 初始化 第一行
    for (int j = weight[0]; j <= bagweight; j++) {
        dp[0][j] = value[0];
    }

    // weight数组的大小 就是物品个数
    for(int i = 1; i < weight.size(); i++) { // 遍历物品
        //此处为什么不从j = weight[i]开始，因为需要将j<weight[i]的dp[i][j]复制过去
        for(int j = 0; j <= bagweight; j++) { // 遍历背包容量
            if (j < weight[i]) dp[i][j] = dp[i - 1][j];//防止溢出数组
            else dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
        }
    }

    cout << dp[weight.size() - 1][bagweight] << endl;
}

int main() {
    test_2_wei_bag_problem1();
}

02背包问题，你该了解这些！滚动数组

代码随想录地址：https://programmercarl.com/%E8%83%8C%E5%8C%85%E7%90%86%E8%AE%BA%E5%9F%BA%E7%A1%8001%E8%83%8C%E5%8C%85-2.html

思路

对于二维背包问题，其实完全可以用一维数组解决问题。

使用二维数组的时候，递推公式：dp[i] [j] = max(dp[i - 1] [j], dp[i - 1] [j - weight[i]] + value[i]);

其实可以发现如果把dp[i - 1]那一层拷贝到dp[i]上，表达式完全可以是：dp[i] [j] = max(dp[i] [j], dp[i] [j - weight[i]] + value[i]);

与其把dp[i - 1]这一层拷贝到dp[i]上，不如只用一个一维数组了，只用dp[j]（一维数组，也可以理解是一个滚动数组）。

动态规划五部曲

确定dp数组的定义

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]。

一维dp数组的递推公式

根据二维背包问题的递推公式，将前一层变为当前层即可。

所以递推公式为：

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

一维dp数组如何初始化

将所有元素初始化为0。根据递推公式可知，每次更新dp元素，都会将其与自己相比并且取较小值，因此初始化dp数组时应该将其赋值为正数的最小值，以减少干扰。

一维dp数组遍历顺序

两层for循环，一层背包，一层物品，如何确定先遍历背包还是先遍历物品？

如何确定从大到小遍历还是从小到大遍历？

如果一层循环遍历物品，二层循环遍历背包，是可以的，但是在遍历背包时需要倒叙遍历，是为了防止一个物品加入多次。

如果一层循环遍历背包，二层循环遍历物品：对于滚动数组，每个容量下的背包都只会装一个物品，原因是对于背包一定是倒序遍历的。这种遍历方式是不正确的。

举例推导dp数组

这个就自己心算了。

代码

#include<iostream>
#include<vector>
using namespace std;

void test_1_wei_bag_problem() {
    vector<int> weight = { 1, 3, 4 };
    vector<int> value = { 15, 20, 30 };
    int bagWeight = 4;

    // 初始化
    vector<int> dp(bagWeight + 1, 0);
    for (int i = 0; i < weight.size(); i++) { // 遍历物品
        //这里为什么可以到j >= weight[i]结束，因为一维数组不需要复制了
        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]);
        }
    }
    cout << dp[bagWeight] << endl;
}

int main() {
    test_1_wei_bag_problem();
}

416.分割等和子集

代码随想录地址：https://programmercarl.com/0416.%E5%88%86%E5%89%B2%E7%AD%89%E5%92%8C%E5%AD%90%E9%9B%86.html

题目

给你一个 只包含正整数 的非空数组 nums 。请你判断是否可以将这个数组分割成两个子集，使得两个子集的元素和相等。

示例 1：

输入：nums = [1,5,11,5]
输出：true
解释：数组可以分割成 [1, 5, 5] 和 [11] 。

示例 2：

输入：nums = [1,2,3,5]
输出：false
解释：数组不能分割成两个元素和相等的子集。

提示：

1 <= nums.length <= 200
1 <= nums[i] <= 100

思路

分析

背包的体积为sum / 2
背包要放入的商品（集合里的元素）重量为元素的数值，价值也为元素的数值
背包如果正好装满，说明找到了总和为 sum / 2 的子集。
背包中每一个元素是不可重复放入。

动规五部曲：

确定dp数组以及下标的含义

01背包中，dp[j] 表示：容量为j的背包，所背的物品价值最大可以为dp[j]。

确定递推公式

递推公式：dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);

dp数组如何初始化

首先dp[0]一定是0，因为容量为0的背包所背物品价值最大可以为0。

如果题目给的价值都是正整数那么非0下标都初始化为0就可以了，如果题目给的价值有负数，那么非0下标就要初始化为负无穷。

这样才能让dp数组在递推的过程中取得最大的价值，而不是被初始值覆盖了。

确定遍历顺序

在动态规划：关于01背包问题，你该了解这些！（滚动数组） (opens new window)中就已经说明：如果使用一维dp数组，物品遍历的for循环放在外层，遍历背包的for循环放在内层，且内层for循环倒序遍历！

举例推导dp数组

如果dp[j] == j 说明，集合中的子集总和正好可以凑成总和j，理解这一点很重要。

代码

时间复杂度：O(n^2)
空间复杂度：O(n)，虽然dp数组大小为一个常数，但是大常数

/*
 * @lc app=leetcode.cn id=416 lang=cpp
 *
 * [416] 分割等和子集
 */

// @lc code=start
class Solution {
public:
    bool canPartition(vector<int>& nums) {
        //因为是分为两组，因此求得target表示其中一组元素的总和
        int sum = 0;
        for(int data : nums)
            sum += data;
        //如果sum/2会得小数，那么肯定不可能分为两组
        if(sum % 2 == 1)
            return false;
        int target = sum / 2;
        //dp数组定义及其初始化
        vector<int> dp(target + 1, 0);
        //遍历物品和背包
        for(int i = 0; i < nums.size(); i++)//遍历物品，其实就是nums中的元素
            for(int j = target; j >= nums[i]; j--)//遍历背包
                dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);
        if(dp[target] == target)
            return true;
        else
            return false;
    }
};
// @lc code=end