代码随想录算法训练营day35：动态规划03：背包问题：0-1背包；416. 分割等和子集

背包问题理论

主要需要掌握：

物品个数上不同！！！

0-1背包：n种物品 每种物品只有一个——只考虑每个物品放与不放

完全背包：n种物品 每种物品有无数个

多重背包：n种物品 每种物品个数各不相同

0-1背包：

应用背景：

n个物品，每个物品可要可不要 不要重复放入的，2^n次方种可能性的，放入问题

1、明确dp数组的定义

dp【i】【j】：从【0，i】的物品中，任取，放入容量为j的背包，能形成的最大价值

2、确定递推公式

分为两种情况：

不放物品i——dp【i-1】【j】——相当于从0~i-1的物品中选取要放入的东西，背包容量为j，找最大价值

放物品i——dp【i-1】【j-weight【i】】+value【i】——背包容量减少了，也就是从0~i-1的物品中选取要放入的东西，背包容量为j-weight【i】，同时第i件物品的价值也应当计算在内

——dp【i】【j】取上述两项的最大值

dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i])

3、初始化

 从上方 和 左上计算得到的 这个元素

需要初始化第一行&&第一列

第一列肯定是0，背包容量是0，能放的最大价值肯定也是0

第一行，背包容量逐渐增长，对于只能放物品0来说，当背包容量大于物品重量时，存放物品0的价值

其他地方的初始化不影响求值的情况

4、计算顺序

对于二维情况！背包和物品的遍历顺序是可以互相交换的！

用滚动数组进行压缩空间

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]);

其实可以发现如果把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]);

与其把dp[i - 1]这一层拷贝到dp[i]上，不如只用一个一维数组了，只用dp[j]（一维数组，也可以理解是一个滚动数组）。

这就是滚动数组的由来，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。

一些差异！

定义差异：dp[j]表示：容量为j的背包，所背的物品价值可以最大为dp[j]

公式差异：

dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);

初始化差异：

dp【0】=0

dp数组在推导的时候一定是取价值最大的数，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。

这样才能让dp数组在递归公式的过程中取的最大的价值，而不是被初始值覆盖了。

遍历顺序差异：

简单来说==在二维里，本格=正上方+左上方

因为压缩到了一维，需要保证 在更新前，正上方即本格，左上方即左侧上一轮的值

所以必须从右往左更新

416. 分割等和子集

力扣题目链接(opens new window)

题目难易：中等

给定一个只包含正整数的非空数组。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。

注意: 每个数组中的元素不会超过 100 数组的大小不会超过 200

示例 1:

• 输入: [1, 5, 11, 5]
• 输出: true
• 解释: 数组可以分割成 [1, 5, 5] 和 [11].

示例 2:

• 输入: [1, 2, 3, 5]
• 输出: false
• 解释: 数组不能分割成两个元素和相等的子集.

提示：

• 1 <= nums.length <= 200
• 1 <= nums[i] <= 100

分析：

类似于放入问题

目标是，可以放入多项，使总和为sum/2

背包问题，大家都知道，有N件物品和一个最多能背重量为W 的背包。第i件物品的重量是weight[i]，得到的价值是value[i] 。每件物品只能用一次，求解将哪些物品装入背包里物品价值总和最大。

背包问题有多种背包方式，常见的有：01背包、完全背包、多重背包、分组背包和混合背包等等。

要注意题目描述中商品是不是可以重复放入。

即一个商品如果可以重复多次放入是完全背包，而只能放入一次是01背包，写法还是不一样的。

要明确本题中我们要使用的是01背包，因为元素我们只能用一次。

回归主题：首先，本题要求集合里能否出现总和为 sum / 2 的子集。

要确定：背包的体积是？商品的价值是？商品的重量是？商品能否重复放入（决定背包类型）?

• 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

动规五部曲分析如下：

确定dp数组以及下标的含义

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]。

那么如果背包容量为target， dp[target]就是装满 背包之后的重量，所以 当 dp[target] == target 的时候，背包就装满了。

确定递推公式

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

在01背包，一维dp如何初始化，已经讲过，

从dp[j]的定义来看，首先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。

顺序

如果使用一维dp数组，物品遍历的for循环放在外层，遍历背包的for循环放在内层，且内层for循环倒序遍历！

bool canPartition(int* nums, int numsSize) {
    int sum=0,half;
    int i,j;
    for (i=0;i<numsSize;i++){
        sum+=nums[i];
    }
    if(sum%2==1) return false;
    half=sum/2;
    
    int *dp=(int*)malloc(sizeof(int)*(half+1));
    for(j=0;j<=half;j++){
        dp[j]=0;
    }
    
    for (i=0;i<numsSize;i++){
        for(j=half;j>=nums[i];j--){
            dp[j]=fmax(dp[j], dp[j-nums[i]]+nums[i]);
        }
    }
    return (dp[half]==half);

}