算法day42|动态规划：0-1背包问题（二维和一维）、分割等和子集

1. 二维dp与一维的模板和区别

二维和一维的区分，理解的好像是：

• 二维递推来自于i -1
• 一维来自于对于上一个物品的循环（因此需要倒着遍历背包容量）
  由于背包容量还存在一个0，因此dp定义为dp[背包容量+1]

1.2 代码

一维模板：理解稍微难一点但写起来简单一点，空间用的少一点
dp[j] :表示放进容量为j的背包，价值总和最大是多少

//一维dp模板
    public static void main(String[] args) {
        int[] weight = {1, 3, 4};
        int[] value = {15, 20, 30};
        int bagWight = 4;
        testWeightBagProblem(weight, value, bagWight);
    }

    public static void testWeightBagProblem(int[] weight, int[] value, int bagWeight){
        int wLen = weight.length;
        //定义dp数组：dp[j]表示背包容量为j时，能获得的最大价值
        int[] dp = new int[bagWeight + 1];
        //遍历顺序：先遍历物品，再遍历背包容量
        for (int i = 0; i < wLen; i++){
            for (int j = bagWeight; j >= weight[i]; j--){
                dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
            }
        }
        //打印dp数组
        for (int j = 0; j <= bagWeight; j++){
            System.out.print(dp[j] + " ");
        }
    }

二维模板：好理解但空间使用多一点，并且写起来复杂一点点
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

public class BagProblem {
    public static void main(String[] args) {
        int[] weight = {1,3,4};
        int[] value = {15,20,30};
        int bagSize = 4;
        testWeightBagProblem(weight,value,bagSize);
    }

    /**
     * 动态规划获得结果
     * @param weight  物品的重量
     * @param value   物品的价值
     * @param bagSize 背包的容量
     */
    public static void testWeightBagProblem(int[] weight, int[] value, int bagSize){

        // 创建dp数组
        int goods = weight.length;  // 获取物品的数量
        int[][] dp = new int[goods][bagSize + 1];

        // 初始化dp数组
        // 创建数组后，其中默认的值就是0
        for (int j = weight[0]; j <= bagSize; j++) {
            dp[0][j] = value[0];
        }

        // 填充dp数组
        for (int i = 1; i < weight.length; i++) {
            for (int j = 1; j <= bagSize; j++) {
                if (j < weight[i]) {
                    /**
                     * 当前背包的容量都没有当前物品i大的时候，是不放物品i的
                     * 那么前i-1个物品能放下的最大价值就是当前情况的最大价值
                     */
                    dp[i][j] = dp[i-1][j];
                } else {
                    /**
                     * 当前背包的容量可以放下物品i
                     * 那么此时分两种情况：
                     *    1、不放物品i
                     *    2、放物品i
                     * 比较这两种情况下，哪种背包中物品的最大价值最大
                     */
                    dp[i][j] = Math.max(dp[i-1][j] , dp[i-1][j-weight[i]] + value[i]);
                }
            }
        }

        // 打印dp数组
        for (int i = 0; i < goods; i++) {
            for (int j = 0; j <= bagSize; j++) {
                System.out.print(dp[i][j] + "\t");
            }
            System.out.println("\n");
        }
    }
}

2.分割等和子集

2.1 链接

https://leetcode.cn/problems/partition-equal-subset-sum/description/

2.2 关键知识点

• 了解在这里为什么不能用双指针和回溯：
  • 分割等和子集问题中的划分并不一定与数组的顺序相关
  • 回溯的时间复杂度：由于每个元素有两个选择，对于 n 个元素，总共的可能组合数为 2^n。因此，回溯算法的时间复杂度为 O(2^n)。
• 背包的含义在这道题中是什么
• 了解一维dp的方法注意先遍历物品再遍历背包，并且遍历背包顺序是倒序（使得递推来自于上一个物品放入的状态）；

2.3 自己遇到的细节问题

• 一下没反应过来初始化

2.4 题解

class Solution {
    public boolean canPartition(int[] nums) {
        int len = nums.length;
        int sum = 0;
        for(int n : nums){
            sum += n;
        }
        if(sum % 2 != 0) return false;

        //1.含义
        int target = sum >> 1;//背包大小
        int[] dp = new int[target + 1]; //容量为j的背包最大价值
        //2初始化——由于dp[0] 自然为0，这里不用手动初始化

        for(int i = 0; i < len; i ++){//遍历物品
            for(int j = target; j >= nums[i]; j--){
                //两种选择，放和不放
                dp[j] = Math.max(dp[j], dp[j - nums[i]] + nums[i]);
            }
            if(dp[target] == target) return true;
        }
        return false;
    }
}