0-1背包问题
什么是0-1背包?
有i个物品和一个容量为j的背包,每个物品有重量和价值两个属性;求容量为j的背包能装的物品的最大价值是多少。每个物品智能使用一次。
二维dp数组
- dp[i][j]的含义:表示从前i个物品中,当前背包容量为j的时候,能够装的最大价值是dp[i][j]
- 递推公式:
dp[i][j] = Math.max(dp[i-1][j],dp[i-1][j-w[i]]+val[i])
dp[i-1][j]
表示:不放当前的i物品dp[i-1][j-w[i]] + val[i]
表示:放当前物品
- dp数组初始化:可以从递归公式看出来,dp[i][j]是从上面和左上方两个方向推导出来的
- dp[i][0] = 0,背包容量为0,那么价值肯定是0
- 如果第0个物品的重量如果大于当前的背包容量j,则初始化为0,否则初始化为val[0]
- 遍历顺序:先遍历物品,然后在遍历背包;先遍历背包,然后在遍历物品。都是可以的,为什么都可以可以画一个表格就很清晰了,因为无论是先遍历那个,当前的[i,j]需要的前提条件上面和左上方是都会计算过的,所以遍历顺序谁先都可以
- 打印dp数组:debug的时候使用
/**
* @param weight 物品重量
* @param value 物品价值
* @param bagSize 背包容量
* @return 背包容量为bagSize的时候,任意取所有物品的一部分的最大价值
*/
public int knapsack(int[] weight,int[] value,int bagSize) {
int N = weight.length;
int[][] dp = new int[N+1][bagSize+1];
// 初始化 这里可以用写因为初始化数组默认就是0,写出来只是为了明确dp数组的初始化的过程
for(int i = 0;i<=N;i++){
dp[i][0] = 0;
}
// 初始化
for(int j = weight[0];j<=bagSize;j++){
// 将第一个物品的重量作为起始值,因为前面的背包肯定是小于weight[0]的所有不用初始化
dp[0][j] = value[0];
}
for(int i = 1;i<=N;i++){
for(int j = 1;j<=bagSize;j++){
if(j < weight[i]){
// 当前的背包容量小于当前物品的重量就放不进去,当前不放i就是背包中的最大价值
dp[i][j] = dp[i-1][j];
}else{
dp[i][j] = Math.max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i]);
}
}
}
return dp[N][bagSize];
}
一维dp数组(滚动数组)
-
dp[j]的含义:表示背包容量为j的背包能够背的最大价值是dp[j]
-
递推公式:dp[j] = Math.max(dp[j],dp[j-weight[i] + value[i]])
- dp[j]表示:不放当前物品i
- dp[j-weight[i]] + value[i]表示:放当前物品i
-
dp数组初始化:dp[0] = 0
-
遍历顺序:先遍历物品(编号从小到大),然后在遍历背包(容量从大到小)
- 为什么遍历背包需要从大到小,因为如果从小到大遍历的话,前面的物品会被重复加入背包可以画个图来理解一下
- 为什么遍历背包需要从大到小,因为如果从小到大遍历的话,前面的物品会被重复加入背包可以画个图来理解一下
-
打印dp数组:debug使用
/**
* @param weight 物品重量
* @param value 物品价值
* @param bagSize 背包容量
* @return 背包容量为bagSize的时候,任意取所有物品的一部分的最大价值
*/
public int knapsack(int[] weight, int[] value, int bagSize) {
int[] dp = new int[bagSize + 1];
for (int i = 0; i < weight.length; i++) {
for (int j = bagSize; j >= weight[i]; j--) {
dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
}
}
return dp[bagSize];
}
分割等和子集
题目: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。
思路:本题可以抽象成一个0-1背包的问题,就是从数组nums中选择几个数的和为sum/2;物品:nums中的元素,物品的价值和重量都是元素值的本身,需要装进背包容量为sum/2的背包。最后能够刚好装满
二维dp数组
- dp[i][j]的含义:对于前i个物品,背包容量为j的时候的最大价值为dp[i][j]
- 递推公式:dp[i][j] = Math.max(dp[i-1][j],dp[i-1][j-nums[i-1]] + nums[i]
- dp数组的初始化:[0][j]=0,就是当前0个物品放入背包的最大价值肯定是0;[i][0]=0,就是当背包容量为0的时候最大价值肯定也是0
- 遍历顺序:先遍历物品(从小到大),在遍历背包(从小大到)
- 打印dp数组:debug的时候使用
class Solution {
public boolean canPartition(int[] nums) {
int N = nums.length;
int sum = 0;
for(int i : nums){
sum+=i;
}
// 和为奇数,不可能分割出来两个集合的元素相加相等
if(sum % 2 == 1){
return false;
}
int target = sum / 2;
int[][] dp = new int[N+1][target+1];
// 初始化dp数组
for(int i = 0;i<=N;i++){
dp[i][0] = 0;
}
// 背包容量需要大于等于第0个物品,所有从nums[0]开始
for(int j = nums[0];j<=target;j++){
dp[0][j] = 0;
}
// 填充dp数组
for(int i = 1;i<=N;i++){
for(int j = 1;j<=target;j++){
// 如果当前剩余背包容量不够装下当前物品,则直接不放当前物品
if(j < nums[i-1]){// 这里为什么是i-1,因为nums是从0开始的
dp[i][j] = dp[i-1][j];
}else{
dp[i][j] = Math.max(dp[i-1][j],dp[i-1][j-nums[i-1]]+nums[i-1]);
}
}
}
return dp[N][target] == target;
}
}
上面的中的初始化步骤可以省略,因为java的int数组默认值就是0,这里写出来只是为了体现初始化这个步骤而已
一维dp数组
- dp[j]的含义:当背包容量为j的时候,背包中的最大价值为dp[j]
- 递推公式:dp[j] = Math.max(dp[j],dp[j-nums[i]]+nums[i]
- dp数组的初始化:dp[0] = 0
- 遍历顺序:先遍历物品(从小大到),在遍历背包(从大到小)
- 打印dp数组:debug
class Solution {
public boolean canPartition(int[] nums) {
// 物品
int N = nums.length;
int sum = 0;
for(int i : nums){
sum+=i;
}
if(sum % 2 == 1){
return false;
}
// 背包
int target = sum / 2;
int[] dp = new int[target+1];
for(int i = 0;i<N;i++){
for(int j = target;j>=nums[i];j--){
dp[j] = Math.max(dp[j],dp[j-nums[i]]+nums[i]);
}
}
return dp[target] == target;
}
}