1.二维数组01背包
代码:
using namespace std;
int n,begweight;
void solve(){
// 初始化物品价值,及其所占空间
vector<int> value(n,0);
vector<int> weight(n,0);
for(int i = 0; i < n; i++){
cin >> weight[i];
}
for(int j = 0; j < n; j++){
cin >> value[j];
}
// 初始化dp数组,dp[i][j]表示考虑物品i放空间为j的背包的最大价值
vector<vector<int>> dp(n,vector<int>(begweight + 1,0));
for(int j = weight[0]; j <= begweight; j++){
dp[0][j] = value[0];
}
// 递推公式
for(int i = 1; i < n; i++){
for(int j = 0; j <= begweight; j++){
if(j < weight[i]){ // 如果背包放不下物品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[n - 1][begweight] << endl;
}
int main(){
while(cin >> n >> begweight){
solve();
}
return 0;
}
思路:
dp数组的含义:dp[i][j]表示考虑物品i后放空间为j的背包的最大价值
dp数组的递推公式:考虑两种情况:
一是背包装不下物品i,这样只有一种选择了——不装物品i dp[i][j] = dp[i-1][j];
二是背包装得下物品i,还要在这种情况下继续分类讨论:
我们只是考虑了物品i,我们可以装物品i——dp[i - 1][j - weight[i] ] + value[i](先预留出合适物品i所占的重量,问题就转换成了dp[i - 1][j - weight[i] ],然后在在此基础上,把i装入背包,也就是加上i的价值)
我们也可以不装物品i(物品i的性价比可能还没有其它物品高呢)dp[i][j] = dp[i-1][j]
dp数组的初始化:从递推公式可以看出它是由上方元素和左上方元素推出的(插个题外话——这两个推出它的元素都在它的上一行——这就是为什么可以用滚动数组),在二维数组中,只要我们从左到右遍历,从上到下遍历,不管是先遍历物品还是背包,都可以保证它的左上方元素和正上方元素都被推出来了,所以这两种遍历都可以!
我在做这道题的时候,没有分清楚物品所占空间和背包总空间的区别,导致我在初始化dp数组时,犯了错,以及涉及到这个的边界条件也错了——n类物品是从0到n-1,背包空间是从0到begweight
2.一维数组(滚动数组)01背包
代码:
#include <bits/stdc++.h>
using namespace std;
int n,begweight;
void solve(){
// 初始化物品价值,及其所占空间
vector<int> value(n,0);
vector<int> weight(n,0);
for(int i = 0; i < n; i++){
cin >> weight[i];
}
for(int j = 0; j < n; j++){
cin >> value[j];
}
// 初始化dp数组 dp[j]表示在考虑物品i,背包容量为j的情况下,所能装的最大价值
vector<int> dp(begweight + 1,0);
// 后期为了不影响我们取最大值,所以初始化为非负数的最小值0
for(int i = 0; i < n; i++){
for(int j = begweight; j >= weight[i]; j--){
dp[j] = max(dp[j],dp[j - weight[i]] + value[i]);
}
}
cout << dp[begweight] << endl;
}
int main(){
while(cin >> n >> begweight){
solve();
}
return 0;
}
思路:
和二维数组的区别就是进行了状态压缩,每一次最外层的for循环都会将这一个一维数组刷新成考虑物品i后放空间为j的背包的最大价值。其实就是在切换二维数组的行。我们在递推的时候就直接在上一次刷新过的基础上进行递推。
为了确保每个物品只被添加一次,我们在遍历物品的循环中使用了倒序遍历。这是因为如果在正序遍历的情况下,当我们计算 dp[j]
时,dp[j-weight[i]]
已经被更新过了,如果当前物品被多次添加,则 dp[j]
的值会受到影响,不再是我们期望的状态。
3.分割等和子集
代码:
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 begweight = sum / 2;
// dp 数组定义以及初始化
vector<int> dp(begweight + 1,0);
// 递推公式
for(int i = 0; i < nums.size(); i++){
for(int j = begweight; j >= nums[i]; j--){
dp[j] = max(dp[j],dp[j - nums[i]] + nums[i]);
if(dp[j] == begweight){
return true;
}
}
}
return false;
}
};
思路:
这道题可以看作 可不可以用nums[i]中的物品,去填满容量为sum/2的背包。在本题中,数值大小,既是“重量”又是“价值”——在之前的背包问题中,我们的“物品”重要是考虑一个容量的限制条件,“价值”是用来判断物品附带的属性的情况,价值是我们最后的结果判断的落脚点。在本题,数值大小既是背包容量的限制条件,也是我们最后判断的属性(背包所装物品的价值是否等于sum/2).
dp数组的含义:dp[j]表示考虑物品i后放空间为j的背包的最大价值/重量
dp递推公式:和滚动数组的一样,只是把价值也换成了重量
dp数组初始化:为了不需要求最大值,初始化为0
本题在进行这一系列操作之前,首先要看总和是不是偶数,如果是奇数,肯定没有等和子集。这个地方我就错了。