代码随想录Day42|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

文章讲解：代码随想录 (programmercarl.com)
视频讲解：带你学透0-1背包问题！| 关于背包问题，你不清楚的地方，这里都讲了！| 动态规划经典问题 | 数据结构与算法_哔哩哔哩_bilibili

• 01 背包

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。

• 二维dp数组01背包

1. 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。

2. 确定递推公式

   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，所以被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：

   

   在看其他情况。

   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。

4. 确定遍历顺序

   有两个遍历的维度：物品与背包重量

5. 举例推导dp数组

   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	35

   问背包能背的物品最大价值是多少？

   

   void test_2_wei_bag_problem1() {
       vector<int> weight = {1, 3, 4};
       vector<int> value = {15, 20, 35};
       int bagweight = 4;
       //二维DP数组
       vector<vector<int>> dp(weight.size(), vector<int>(bagweigt + 1, 0));
       //初始化
       for (int j = weight[0]; j <= bagweight; j++) {
           dp[0][j] = value[0];
       }
       //遍历，先物品后背包
       for (int i = 1; i < weight.size(); i++) {
           for (int j = 1; j <= bagweight; j++) {
               if (j < weight[i]) 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() {
       test_2_wei_bag_problem();
   }
   

01背包问题，你该了解这些！(滚动数组)

文章讲解：代码随想录 (programmercarl.com)

视频讲解：带你学透01背包问题（滚动数组篇） | 从此对背包问题不再迷茫！_哔哩哔哩_bilibili

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？

• 一维dp数组（滚动数组）

对于背包问题其实状态都是可以压缩的。

在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）。

这就是滚动数组的由来，需要满足的条件是上一层可以重复利用，直接拷贝到当前层。

1. 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]

2. 一维dp数组的递推公式

   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。

   dp[j - weight[i]] + value[i] 表示 容量为 j - 物品i重量 的背包 加上 物品i的价值。（也就是容量为j的背包，放入物品i了之后的价值即：dp[j]）

   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，毕竟是求最大价值，

3. 一维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。

   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]，那么dp[0]就应该是0，因为背包容量为0所背的物品的最大价值就是0。

   那么dp数组除了下标0的位置，初始为0，其他下标应该初始化多少呢？

   看一下递归公式：dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);

   dp数组在推导的时候一定是取价值最大的数，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。

   这样才能让dp数组在递归公式的过程中取的最大的价值，而不是被初始值覆盖了。

   那么我假设物品价值都是大于0的，所以dp数组初始化的时候，都初始为0就可以了。

4. 一维dp数组遍历顺序

   二维dp遍历的时候，背包容量是从小到大，而一维dp遍历的时候，背包是从大到小。

   倒序遍历是为了保证物品i只被放入一次！

   再来看看两个嵌套for循环的顺序，代码中是先遍历物品嵌套遍历背包容量，那可不可以先遍历背包容量嵌套遍历物品呢？

   不可以！

   因为一维dp的写法，背包容量一定是要倒序遍历（原因上面已经讲了），如果遍历背包容量放在上一层，那么每个dp[j]就只会放入一个物品，即：背包里只放入了一个物品。

   倒序遍历的原因是，本质上还是一个对二维数组的遍历，并且右下角的值依赖上一层左上角的值，因此需要保证左边的值仍然是上一层的，从右向左覆盖。

5. 举例推导dp数组

   

   void test_1_wei_bag_problem() {
       vector<int> weight = {1, 3, 4};
       vector<int> value = {15, 20, 35};
       int bagweight = 4;
       vector<int> dp(bagweight + 1, 0);
       for (int i = 0; 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() {
       test_1_wei_bag_problem();
   }
   

416.分割等和子集

文章讲解：代码随想录 (programmercarl.com)

视频讲解：动态规划之背包问题，这个包能装满吗？| LeetCode：416.分割等和子集_哔哩哔哩_bilibili

题目链接：

题目：

给定一个只包含正整数的非空数组。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。

注意: 每个数组中的元素不会超过 100 数组的大小不会超过 200

分析：

首先，本题要求集合里能否出现总和为 sum / 2 的子集。

那么来一一对应一下本题，看看背包问题如果来解决。

只有确定了如下四点，才能把01背包问题套到本题上来。

• 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。

1. 确定dp数组以及下标的含义

套到本题，dp[j]表示 背包总容量（所能装的总重量）是j，放进物品后，背的最大重量为dp[j]。

那么如果背包容量为target， dp[target]就是装满 背包之后的重量，所以 当 dp[target] == target 的时候，背包就装满了。

2. 确定递推公式

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

3. dp数组如何初始化

   从dp[j]的定义来看，首先dp[0]一定是0。

   如果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数组在递归公式的过程中取的最大的价值，而不是被初始值覆盖了。

   本题题目中 只包含正整数的非空数组，所以非0下标的元素初始化为0就可以了。

4. 确定遍历顺序

   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！

5. 举例推导dp数组

   

class Solution {
public:
    bool canPartition(vector<int>& nums) {
        int sum = 0;
        for (int i = 0; i < nums.size(); i++) {
            sum += nums[i];
        }
        if (sum % 2 == 1) return false;
        int target = sum / 2;
        vector<int> dp(target + 1, 0);
        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;
    }
};