01. 背包问题 二维
从这里正式开始了动态规划中的背包问题,背包问题中主要需要理解下面几点:
- dp[i][j]数组的确定和下标的含义;
- bagweight和value的区分;
- 递推公式的确定:从包里有没有物品i出发,分两种情况考虑,得到递推公式:
dp[i][j] = dp[i - 1][j] + dp[i - 1][j - weight[i]]
- dp数组的初始化
- 遍历顺序。是先遍历物品再遍历背包,还是先遍历背包再遍历物品。这里为了方便理解后续一维数组的操作,选择先遍历物品,再遍历背包;
思路
本题依然是采用上述分析的逻辑进行
- 这里的
# include <bits/stdc++.h>
包含了多种头文件
代码随想录
第一次做背包问题,为了便于理解,选用二维dp数组的解题方式:
# include <bits/stdc++.h>
using namespace std;
int n, bagweight;
void solve() {
vector<int> weight(n, 0); // 每件物品需要空间;
vector<int> value(n, 0); // 每件物品价值;
for (int i = 0; i < n; i ++) {
cin >> weight[i];
}
for (int i = 0; i < n; i ++) {
cin >> value[i];
}
vector<vector<int>> dp(weight.size(), vector<int>(bagweight + 1, 0));
for (int j = weight[0]; j <= bagweight; j ++) {
dp[0][j] = value[0];
}
for (int i = 1; i < weight.size(); i++) {
for (int j = 0; j <= bagweight; j++) {
if (weight[i] > j) dp[i][j] = dp[i - 1][j];
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() {
cin >> n >> bagweight;
solve();
return 0;
}
01. 背包问题 一维
思路
这里要理解滚动数组的含义。
使用滚动数组的前提:上一层的状态可以直接使用,直接拷贝到当前层。
代码随想录
接下来这种做法采用一维dp数组的方式,减少了内存开销:
# include <bits/stdc++.h>
using namespace std;
int n, bagweight;
void solve() {
vector<int> weight(n, 0); // 每件物品需要空间;
vector<int> value(n, 0); // 每件物品价值;
for (int i = 0; i < n; i ++) {
cin >> weight[i];
}
for (int i = 0; i < n; i ++) {
cin >> value[i];
}
vector<int> dp(bagweight + 1, 0);
for (int j = weight[0]; j <= bagweight; j ++) {
dp[j] = value[0];
}
for (int i = 1; i < weight.size(); i++) {
for (int j = bagweight; j >= weight[i]; j--) {
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
}
}
cout << dp[bagweight] << endl;
}
int main() {
cin >> n >> bagweight;
solve();
return 0;
}
416. 分割等和子集
思路
思路很关键,当背包恰好装满,且价值等于target时(这里的数字的value和weight相等):
- 将
sum
的一半作为背包容量; - 同时,
sum
的一般也是目标价值; - 当
dp[targrt] == target
时,即背包容量等于目标价值时,满足题意,return true;
。
代码随想录
class Solution {
public:
bool canPartition(vector<int>& nums) {
int sum = 0;
vector<int> dp(10001, 0);
for (int i = 0; i < nums.size(); i++) {
sum += nums[i];
}
if (sum % 2) return false;
int target = sum / 2;
for (int i = 0; i < nums.size(); i ++) {
for (int j = target; j >= nums[i]; j --) {
dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);
}
}
if (dp[target] == target) return true;
return false;
}
};