算法训练营day41

一、0-1背包理论基础

题目描述：给你一个可装载重量为 W 的背包和 N 个物品，每个物品有重量和价值两个属性。其中第 i 个物品的重量为 wt[i]，价值为 val[i]。现在让你用这个背包装物品，每个物品只能用一次，在不超过被包容量的前提下，最多能装的价值是多少？

物品不能分割，要么装进包里，要么不装，不能切成两半，这是0-1背包的来历

动态规划标准套路

1. 明确两点，状态和选择

   0-1背包状态有两个，背包的容量和可选择的物品

2. 明确dp数组的定义

   dp(i)(w)：对应前i个物品，当前容量为w，这种情况下能装的最大价值是dp(i)(w)

   为什么这么记？套路

3. 明确base case

   dp(0)(…) = dp(…)(0) = 0

4. 思考状态转移的逻辑

5. 翻译代码，处理边界情况

二、分割等和子集

boolean canPartition(int[] nums) {
    int sum = 0;
    for (int num : nums) sum += num;
    // 和为奇数时，不可能划分成两个和相等的集合
    if (sum % 2 != 0) return false;
    int n = nums.length;
    sum = sum / 2;
    boolean[][] dp = new boolean[n + 1][sum + 1];
    // base case
    for (int i = 0; i <= n; i++)
        dp[i][0] = true;

    for (int i = 1; i <= n; i++) {
        for (int j = 1; j <= sum; j++) {
            if (j - nums[i - 1] < 0) {
                // 背包容量不足，不能装入第 i 个物品
                dp[i][j] = dp[i - 1][j];
            } else {
                // 装入或不装入背包
                //注意 || 的使用非常巧妙，只要有一种情况为true dp[i][j]就为true
                dp[i][j] = dp[i - 1][j] || dp[i - 1][j - nums[i - 1]];
            }
        }
    }
    return dp[n][sum];
}