231031刷题记录_01背包

最新推荐文章于 2024-06-14 15:02:13 发布

黑蚊子多_

最新推荐文章于 2024-06-14 15:02:13 发布

阅读量39

点赞数

分类专栏：刷题日记文章标签：动态规划 java 算法

本文链接：https://blog.csdn.net/why_so_serious__/article/details/134126867

版权

刷题日记专栏收录该内容

28 篇文章 0 订阅

订阅专栏

231031刷题记录
参考代码随想录来刷的
关键词：01背包、动态规划

01背包理论基础

问题描述

有n件物品和一个最多能背重量为w的背包。每件物品最多用一次，求解将哪些物品装入背包里物品价值总和最大。
例子
在这里插入图片描述

二维dp数组01背包

确定dp数组以及下标的含义
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dp[i][j] 。
确定递推公式
再回顾一下dp[i][j]的含义：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。
那么可以有两个方向推出来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
$d p [i] [j] = ma x (d p [i - 1] [j], d p [i - 1] [j - w e i g h t [i]] + v a l u e [i])$

dp数组如何初始化
首先从dp[i][j]的定义出发，如果背包容量j为0的话，即dp[i][0]，无论是选取哪些物品，背包价值总和一定为0，即dp[i][0] = 0。
i 是由 i-1 推导出来，那么i为0的时候就一定要初始化。
dp[0][j]，即：i为0，存放编号0的物品的时候，各个容量的背包所能存放的最大价值。
那么很明显当 j < weight[0]的时候，dp[0][j] 应该是 0，因为背包容量比编号0的物品重量还小。
当j >= weight[0]时，dp[0][j] 应该是value[0]，因为背包容量放足够放编号0物品。
确定遍历顺序
先遍历物品还是先遍历背包重量呢？
其实都可以！！但是先遍历物品更好理解。

public class BagProblem {
    public static void main(String[] args) {
        int[] weight = {1,3,4};
        int[] value = {15,20,30};
        int bagSize = 4;
        testWeightBagProblem(weight,value,bagSize);
    }

    /**
     * 动态规划获得结果
     * @param weight  物品的重量
     * @param value   物品的价值
     * @param bagSize 背包的容量
     */
    public static void testWeightBagProblem(int[] weight, int[] value, int bagSize){

        // 创建dp数组
        int goods = weight.length;  // 获取物品的数量
        int[][] dp = new int[goods][bagSize + 1];

        // 初始化dp数组
        // 创建数组后，其中默认的值就是0
        for (int j = weight[0]; j <= bagSize; j++) {
            dp[0][j] = value[0];
        }

        // 填充dp数组
        for (int i = 1; i < weight.length; i++) {
            for (int j = 1; j <= bagSize; j++) {
                if (j < weight[i]) {
                    /**
                     * 当前背包的容量都没有当前物品i大的时候，是不放物品i的
                     * 那么前i-1个物品能放下的最大价值就是当前情况的最大价值
                     */
                    dp[i][j] = dp[i-1][j];
                } else {
                    /**
                     * 当前背包的容量可以放下物品i
                     * 那么此时分两种情况：
                     *    1、不放物品i
                     *    2、放物品i
                     * 比较这两种情况下，哪种背包中物品的最大价值最大
                     */
                    dp[i][j] = Math.max(dp[i-1][j] , dp[i-1][j-weight[i]] + value[i]);
                }
            }
        }

        // 打印dp数组
        for (int i = 0; i < goods; i++) {
            for (int j = 0; j <= bagSize; j++) {
                System.out.print(dp[i][j] + "\t");
            }
            System.out.println("\n");
        }
    }
}

一维dp数组（滚动数组）01背包

在解决01背包问题的时候，使用的二维dp数组是一行一行更新的，第 i 行的更新与第 i - 1 行有关，意思就是说第 i 行的值是由第 i - 1 行推导出来的。
在这里插入图片描述
故dp数组只用记录每一行的状态即可，而不用记录所有行。故二维dp数组可简化为一维数组。

确定dp数组的定义
dp[j]表示：容量为j的背包，所背的物品最大价值为dp[j]。
一维dp数组的递推公式
$d p [j] = ma x (d p [j], d p [j - w e i g h t [i]] + v a l u e [i]);$
一维dp数组如何初始化
关于初始化，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
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]，那么dp[0]就应该是0，因为背包容量为0所背的物品的最大价值就是0。
那么dp数组除了下标0的位置，初始为0，其他下标应该初始化多少呢？
看一下递归公式：dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
dp数组在推导的时候一定是取价值最大的数，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。
一维dp数组遍历顺序
先遍历物品再遍历容量。
遍历容量的时候，从大往小遍历。
为什么容量要从大往小遍历？
先看看递推公式：
$d p [j] = ma x (d p [j], d p [j - w e i g h t [i]] + v a l u e [i]);$
即dp[j]是由dp[j]或者dp[j - weight[i]]推导出来的。dp[j - weight[i]]肯定在dp[j]的左边。
举一个例子：
dp[3]可由dp[3]或者是dp[1]推导出来，dp[5]可由dp[5]或者是dp[3]推导出来，假设先更新dp[3]，那么上一个dp[3]就被覆盖掉了，那么在更新dp[5]的时候可能会出错。因为dp[5]是由上一个dp[3]推导出来的，但是上一个dp[3]已经被覆盖掉了，现在的dp[3]已经不是上一个dp[3]了。
故要从大往小遍历。

public static void testWeightBagProblem(int[] weight, int[] value, int bagWeight){
        int wLen = weight.length;
        //定义dp数组：dp[j]表示背包容量为j时，能获得的最大价值
        int[] dp = new int[bagWeight + 1];
        //遍历顺序：先遍历物品，再遍历背包容量
        for (int i = 0; i < wLen; i++){
            for (int j = bagWeight; j >= weight[i]; j--){
                dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
            }
        }
        //打印dp数组
        for (int j = 0; j <= bagWeight; j++){
            System.out.print(dp[j] + " ");
        }
    }

1 474.一和零

力扣题目链接给你一个二进制字符串数组 strs 和两个整数 m 和 n 。

请你找出并返回 strs 的最大子集的长度，该子集中最多有 m 个 0 和 n 个 1 。

如果 x 的所有元素也是 y 的元素，集合 x 是集合 y 的子集。
在这里插入图片描述
这道题就是3维的01背包问题。背包容量是二维的：m、n。
两种做法，不用滚动数组，用滚动数组

不用滚动数组

dp数组含义
dp[i][j][k]表示，从strs中下标为0-i的字符串里任取，可用0的上限为j，可用1的上限为k时，最大子集的长度为dp[i][j][k]。
递推公式
$d p [i] [j] [k] = ma x (d p [i - 1] [j] [k], d p [i] [j] [k] = d p [i - 1] [j - 第 i 个字符串中 0 的数量] [k - 第 i 个字符串中 1 的数量])$
初始化
从递推公式看出，后面的值依赖前面的值，故要先计算出dp[i][][]。
遍历顺序
影响不大

class Solution {
    public int findMaxForm(String[] strs, int m, int n) {
        int[][][] dp = new int[strs.length][m + 1][n + 1];
        int[] count = countZeroAndOne(strs[0]);
        for (int i = count[0]; i <= m; i++) {
            for (int j = count[1]; j <= n; j++) {
                dp[0][i][j] = 1;
            }
        }

        for (int i = 1; i < strs.length; i++) {
            for (int j = 0; j <= m; j++) {
                for (int k = 0; k <= n; k++) {
                    int[] t = countZeroAndOne(strs[i]);
                    if (j >= t[0] && k >= t[1])
                        dp[i][j][k] = Math.max(dp[i - 1][j][k], dp[i - 1][j - t[0]][k - t[1]] + 1);
                    else
                        dp[i][j][k] = dp[i - 1][j][k];
                }
            }
        }
        
        return dp[strs.length - 1][m][n];
    }
    private int[] countZeroAndOne(String str) {
        int[] cnt = new int[2];
        for (char c : str.toCharArray()) {
            cnt[c - '0']++;
        }
        return cnt;
    }
}

用滚动数组

dp数组含义
dp[j][k]表示，可用0的上限为j，可用1的上限为k时，最大子集的长度为dp[j][k]
递推公式

不用第 i 个字符串，dp[j][k] = dp[j][k]
用第 i 个字符串，dp[j][k] = dp[j - 第 i 个字符串中0的数量][k - 第 i 个字符串中1的数量]
故
$d p [j] [k] = ma x (d p [j] [k], d p [j] [k] = d p [j - 第 i 个字符串中 0 的数量] [k - 第 i 个字符串中 1 的数量])$

初始化
再看一眼递推公式，显然dp[j][k]的初始值不能太大，因为如果很大，那么dp[j][k]就不会变化了，递推没有意义。
初始值设置为dp[j][k]的最小值即可，即设置为0。
遍历顺序
从最后一层往上遍历，每一层中从右往左遍历。因为dp[j][k]可能是被dp[j - x][k - y]推导出来的，假如dp[j - x][k - y]先被更新了，那么推导出来的dp[j][k]很可能是错误的，因为dp[j][k]依赖的dp[j - x][k - y]被覆盖了。

为什么不用滚动数组的时候，无所谓遍历顺序呢？
因为不用滚动数组的时候，dp数组多了一个维度，将每一个状态都记录下来了，意思就是每一个值都能被找到。
用上面的例子来说，dp[i][j][k]可能是被dp[i - 1][j - x][k - y]推导出来的（i表示当前状态，i-1表示上一个状态），更新了dp[i][j - x][k - y]，并不会覆盖dp[i - 1][j - x][k - y]的值。
而使用滚动数组，只能记录当前状态，后面的值依赖前面的值。

class Solution {
    public int findMaxForm(String[] strs, int m, int n) {
        /**
         * @description
         * 1.dp数组含义
         * dp[j][k]表示，可用0的上限为j，可用1的上线为k时，最大子集的长度为dp[j][k]
         * 2.递推公式
         * dp[j][k]=max{dp[j][k], dp[j-当前字符串中0的数量][k-当前字符串中1的数量] + 1}
         * 3.初始化
         * 
         * 4.遍历顺序
         * j 从后往前遍历，k从后往前遍历
         * @author ldz
         * @date 2023/10/30 15:23
         **/
        int[][] dp = new int[m + 1][n + 1];

        for (String str : strs) {
            int[] zeroAndOne = countZeroAndOne(str);
            for (int j = m; j >= zeroAndOne[0]; j--)
                for (int k = n; k >= zeroAndOne[1]; k--)
                    dp[j][k] = Math.max(dp[j][k], dp[j - zeroAndOne[0]][k - zeroAndOne[1]] + 1);
        }
        
        return dp[m][n];
    }
    private int[] countZeroAndOne(String str) {
        int[] cnt = new int[2];
        for (char c : str.toCharArray()) {
            cnt[c - '0']++;
        }
        return cnt;
    }
}