代码随想录训练营Day 44|01背包问题、滚动数组、力扣416. 分割等和子集

1.二维数组01背包

代码随想录

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

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

代码随想录

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

 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 

代码随想录

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

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。