java算法day42 | 动态规划part04 ● 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

背包问题

背包问题的分类如下：

其中最常考的是01背包和完全背包。掌握这两个基本就可以应付绝大多数背包问题啦。

01背包基础

卡玛网链接

二维dp数组01背包

依然动规五部曲分析一波。

1. 确定dp数组以及下标的含义
   对于背包问题，有一种写法， 是使用二维数组，即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。
   只看这个二维数组的定义，大家一定会有点懵，看下面这个图：
   
2. 确定递推公式
   再回顾一下dp[i][j]的含义：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。
   那么可以有两个方向推出来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. dp数组如何初始化
   关于初始化，一定要和dp数组的定义吻合，否则到递推公式的时候就会越来越乱。
   首先从dp[i][j]的定义出发，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。如图：
   
   再看其他情况。
   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。
   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。
   
   其实从递归公式： dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]); 可以看出dp[i][j] 是由左上方数值推导出来了，那么 其他下标初始为什么数值都可以，因为都会被覆盖。
   初始-1，初始-2，初始100，都可以！
   但只不过一开始就统一把dp数组统一初始为0，更方便一些。
   如图：
   

4. 确定遍历顺序
   在如下图中，可以看出，有两个遍历的维度：物品与背包重量
   那么问题来了，先遍历 物品还是先遍历背包重量呢？
   其实都可以！！ 但是先遍历物品更好理解。
   

5. 举例推导dp数组

代码如下：

import java.util.Scanner;
public class Main{
    public static void main (String[] args) {
    //定义输入格式
        Scanner in=new Scanner(System.in);
        int classNum=in.nextInt();
        int weightNum=in.nextInt();
        int[] weights=new int[classNum];
        int[] values=new int[classNum];
        for(int i=0;i<classNum;i++){
            weights[i]=in.nextInt();
        }
        for(int i=0;i<classNum;i++){
            values[i]=in.nextInt();
        }
     	//1、创建dp数组：表示取前i种物品，背包容量为j时的最大价值
        int[][] dp=new int[classNum][weightNum+1];
		//3、初始化dp数组，当j为0时什么也装不了，因此结果一定为0.当i=0时，当j小于第一个物品的重量时，结果为0，当大于等于时，结果为第一个物品的重量
        for(int i=0;i<classNum;i++){
            dp[i][0]=0;
        }
        for(int i=1;i<=weightNum;i++){
            if(i<weights[0]) dp[0][i]=0;
            else{
                dp[0][i]=values[0];
            }
        }
        
        for(int i=1;i<classNum;i++){//4、遍历顺序：从小到大，可以先遍历背包，也可以先遍历物品
            for(int j=1;j<=weightNum;j++){
                if(j-weights[i]>=0){
                    dp[i][j]=Math.max(dp[i-1][j],dp[i-1][j-weights[i]]+values[i]);//2、关键！：递推公式，当前的最大价值=MAX（背包中不装当前物品的最大价值，装当前物品的最大价值）
                }
                else{
                    dp[i][j]=dp[i-1][j];
                }
            }
        }
        System.out.println(dp[classNum-1][weightNum]);//5、模拟结果
    
}
}

一维dp数组01背包

416.分割等和子集

建议好好看看代码随想录的视频
背包问题的变种，但我觉得还是有点难理解，关键在于设定什么是物品的数量，什么是物品的价值，什么是背包容量，以及怎样才算是成功分割。
一维递推公式实现：

class Solution {
    public boolean canPartition(int[] nums) {
        int sum=0;
        for(int i=0;i<nums.length;i++){
            sum+=nums[i];
        }
        if(sum%2!=0) return false;
        int target=sum/2;
        int[] dp=new int[target+1];//1、定义dp数组 2、初始化为0
        for(int i=0;i<nums.length;i++){
            for(int j=target;j>=nums[i];j--){//4、遍历顺序
                dp[j]=Math.max(dp[j],dp[j-nums[i]]+nums[i]);//2、递推关系
            }
        }
        return target==dp[target];
    }
}

二维递推公式实现：

class Solution {
    public boolean canPartition(int[] nums) {
        int sum=0;
        for(int i=0;i<nums.length;i++){
            sum+=nums[i];
        }
        if(sum%2!=0) return false;
        int target=sum/2;
        int[][] dp=new int[nums.length][target+1];//1、定义dp数组 
        for(int i=0;i<=target;i++){//2、初始化
            if(i>=nums[0]) dp[0][i]=nums[0];
        }
        for(int i=1;i<nums.length;i++){
            for(int j=1;j<=target;j++){//4、遍历顺序
            if(j>=nums[i]) dp[i][j]=Math.max(dp[i-1][j],dp[i-1][j-nums[i]]+nums[i]);//2、递推关系
            else dp[i][j]=dp[i-1][j];
            }
        }
        return target==dp[nums.length-1][target];
    }
}