代码随想录算法训练营第三十六天|背包理论基础，416. 分割等和子集-CSDN博客

本文链接：https://blog.csdn.net/weixin_47748259/article/details/136331302

系列文章目录

文章目录

系列文章目录
背包理论基础1（使用二维数组）
背包理论基础2（使用一维数组）
416. 分割等和子集

背包理论基础1（使用二维数组）

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！

在这里插入图片描述
01背包：n种物品，每种物品只有一个
完全背包：n种物品，每种物品有无数个
多重背包：n种物品，每种物品的个数各不相同

一个纯粹的01背包问题：有n种物品，每种物品只有1个，每个物品会有自己的重量，自己的价值，有1个重量只能放最多为m的背包，问这个背包能最多装多少价值的物品。

动态规划问题的五步曲：

确定dp数组（dp table）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
确定递推公式： dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i])

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

dp数组如何初始化：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
确定遍历顺序：有两个遍历的维度：物品与背包重量，先遍历物品或者先遍历背包重量都可以。
（因为dp[i][j]所需要的数据就是左上和上边两个位置，所以两种遍历方式都可以）
举例推导dp数组

def test_2_wei_bag_problem1():
    weight = [1, 3, 4]
    value = [15, 20, 30]
    bagweight = 4

    # 二维数组
    dp = [[0] * (bagweight + 1) for _ in range(len(weight))]

    # 初始化
    for j in range(weight[0], bagweight + 1):
        dp[0][j] = value[0]

    # weight数组的大小就是物品个数
    for i in range(1, len(weight)):  # 遍历物品
        for j in range(bagweight + 1):  # 遍历背包容量
            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])

    print(dp[len(weight) - 1][bagweight])

test_2_wei_bag_problem1()

背包理论基础2（使用一维数组）

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！

将二维数组压缩成一维数组（滚动数组）：

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]);
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])，因此可以直接使用一个一维数组，实现滚动；
滚动数组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。

动态规划问题的五步曲：

确定dp数组（dp table）以及下标的含义：容量为j的背包，所背的物品价值可以最大为dp[j]
确定递推公式：dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
dp数组如何初始化：dp[0]一定是0。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。才能让dp数组在递推的过程中取得最大的价值，而不是被初始值覆盖了。
确定遍历顺序：先遍历物品，再遍历背包，倒序遍历
举例推导dp数组

def test_1_wei_bag_problem():
    weight = [1, 3, 4]
    value = [15, 20, 30]
    bagWeight = 4

    # 初始化
    dp = [0] * (bagWeight + 1)
    for i in range(len(weight)):  # 遍历物品
        for j in range(bagWeight, weight[i] - 1, -1):  # 遍历背包容量
            dp[j] = max(dp[j], dp[j - weight[i]] + value[i])

    print(dp[bagWeight])


test_1_wei_bag_problem()

416. 分割等和子集

题目链接： 416. 分割等和子集
题目内容： 给你一个只包含正整数的非空数组 nums 。请你判断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。
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

可以将该问题理解成背包问题：
本题要求集合里能否出现总和为 sum / 2 的子集。对应到背包问题为：（01背包问题）

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。

动态规划问题的五步曲：

确定dp数组（dp table）以及下标的含义：
01背包中，dp[j] 表示：容量为j的背包，所背的物品价值最大可以为dp[j]。本题中每一个元素的数值既是重量，也是价值。因此本题中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]。
确定递推公式：dp[i] += dp[j - 1] * dp[i - j]
01背包的递推公式为：dp[j] = max(dp[j], dp[j - weight[i]] + value[i])；本题相当于背包里放入数值，那么物品i的重量是nums[i]，其价值也是nums[i]。所以递推公式：dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);
dp数组如何初始化：dp[0]=0
确定遍历顺序：遍历i一定是从前向后遍历
举例推导dp数组

class Solution:
    def canPartition(self, nums: List[int]) -> bool:
        if sum(nums) % 2 !=0:
            return False
        
        target=sum(nums) // 2
        dp = [0] * (target + 1)
        for num in nums:# 遍历物品
            for j in range(target,num-1,-1):
                dp[j]=max(dp[j],dp[j-num]+num)
      
        return dp[-1]==target