提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
一、01背包问题理论基础
1.不同背包的区别:
- 0-1背包:有n种物品,每种只有1个
- 完全背包:有n种物品,每种有无限个
- 多重背包:有n种物品,每种物品的个数各不相同
2.0-1背包原理
dp[i][j]的含义:[0, i]的物品,任取,放入容量为j的背包
不放物品i,最大价值:dp[i-1][j]
放物品i,最大价值:dp[i-1][j-weight[i]] + value[i]
递推公式:dp[i][j] = max(dp[i-1][j], dp[i-1][j-weight[i]] + value[i])
3.滚动数组压缩二维dp数组
dp[j]的含义:容量为j的背包能放的最大价值
递推公式:dp[j] = max(dp[j], dp[j-weight[i]] + value[i])
遍历顺序:
先遍历物品,再遍历背包,背包重量倒叙(因为不能先修改前面的值,需要用到)
for (int i = 0; i < 物品数量; i ++) {
for (int j = bagweight; j >= weight[i]; j --) {
递推公式;
}
}
二、416分割等和子集
二维dp:
class Solution {
public:
bool canPartition(vector<int>& nums) {
int target = 0;
for (int num: nums) {
target += num;
}
if (target % 2 == 1) {
return false;
}
target /= 2;
sort(nums.begin(), nums.end());
vector<vector<int>> dp(nums.size(), vector<int>(target + 1));
for (int i = 0; i < nums.size(); i ++) {
dp[i][0] = 0;
}
for (int j = 1; j < target + 1; j ++) {
if (j >= nums[0]) {
dp[0][j] = 1;
}
}
for (int i = 1; i < nums.size(); i ++) {
for (int j = nums[i]; j < target + 1; j ++) {
dp[i][j] = max(dp[i-1][j], dp[i-1][j-nums[i]] + nums[i]);
}
if (dp[i][target] == target) {
return true;
}
}
return false;
}
};
一维dp:
class Solution {
public:
bool canPartition(vector<int>& nums) {
int target = 0;
for (int num: nums) {
target += num;
}
if (target % 2 == 1) {
return false;
}
target /= 2;
sort(nums.begin(), nums.end());
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;
}
};