01背包问题 二维
- 代码随想录 | 背包理论基础
- 背包问题种类:重点是01背包和完全背包
二维dp数组01背包
- 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。
- 暴力解法:每一件物品其实只有两个状态,取或者不取,所以可以使用回溯法搜索出所有的情况,那么时间复杂度就是 o ( 2 n ) o(2^n) o(2n),这里的n表示物品数量。时间复杂度为指数级别,需要动态规划进行优化
- 动规五部曲分析:
- 确定dp数组的下标和含义
dp[i][j]:从下标为[0 - i]的物品中任意取,放进容量为j的背包,价值总和最大是多少 - 确定递推公式
有两个方向可以推出dp[i][j]-
不放物品i:由dp[i-1][j]推出,即背包容量为j时,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,所以背包中的价值仍和上一个相同)
-
放物品i:由dp[i-1][j - weight[i]]推出,背包容量j-weight[i]的时候不放物品i的最大价值,那么dp[i-1][j - weight[j]] + value[i] 就是背包放入i后的最大价值
来自b站评论区:当i放进去时,那么这时候整个物品集就被分成两部分,1到i-1和第i个,而这是i是确定要放进去的,那么就把j空间里的wi给占据了,只剩下j-wi的空间给前面i-1,那么只要这时候前面i-1在j-wi空间里构造出最大价值,即dp【i-1】【j-wi】,再加上此时放入的i的价值vi,就是dpij了
-
所以递归公式为:dp[i][j] = Math.max(dp[i - 1][j], dp[i-1][j - weight[i]] + value[i]]);
-
- 初始化
- j背包容量为0时,价值总和一定为0.
- i物品为0时,看背包是否能放的下0.放不下则为0,放得下的就是物品0的价值。
- 其他元素值都是由i-1推导而来的,或者从左上方推导而来,所以赋值多少都可以。但一般方便起见都赋值为0.
- 遍历顺序
元素是由其上方或左上方推导而来,所以先遍历背包还是先遍历物品都可以。
- 确定dp数组的下标和含义
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01背包
- 可以压缩状态,i是由i-1行推导而来的,可以让新的i覆盖原来的i-1,这样就可以只有一行,形成滚动数组。
- 动规五部曲
-
dp[j] : 容量为j的背包所能放的物品的最大价值。
-
递推公式:dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i])
如果不放i,那就是之前的重量dp[j],如果放i,就重量需要减去放进去的i的,再加上放进来的i的。其实dp[j - weight[i]]是看,此时把i的重量减去以后,这个背包还剩多少空间,这个空间能装得下前面的谁,如果装得下前面的某个,那就前面的重量+新加的i的重量,肯定比原来的dp[j]大。 -
初始化:dp[0]为0,容量为0,所放的价值肯定为0。根据递推公式,每次都要与原来的dp[j]对比取最大值,所以其他元素应该取最小的非负整数,即0.
-
遍历顺序:一维dp数组01背包的遍历顺序比较有讲究。
先遍历物品,再遍历背包。且背包容量需要从大到小遍历。背包容量倒序遍历是为了保证每件物品只能被放入一次。如果是正序的话,有可能前面的物品会被重复加入。
例如:物品0的重量weight[0] = 1,价值value[0] = 15
dp[1] = dp[1 - weight[0]] + value[0] = 15
dp[2] = dp[2 - weight[0]] + value[0] = 30而倒序就是先算dp[2]
dp[2] = dp[2 - weight[0]] + value[0] = 15 (dp数组已经都初始化为0)
dp[1] = dp[1 - weight[0]] + value[0] = 15
-
public static void main(String[] args) {
int[] weight = {1, 3, 4};
int[] value = {15, 20, 30};
int bagWight = 4;
testWeightBagProblem(weight, value, bagWight);
}
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] + " ");
}
}
416. 分割等和子集
-
给你一个 只包含正整数 的 非空 数组 nums 。请你判断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。
示例 1: 输入:nums = [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:nums = [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。
-
分析:两个子集的和相等,那么一个子集的和就是nums总和的一半,可抽象为背包容量。把元素放进包里,看能否把背包放满。
-
动规5部曲
-
dp[j] : 容量为j的背包(总和的一半)所能装的价值,如果把背包装满,其价值应该也是数组总和的一半。也就是此时背包的容量 = 背包的价值,价值和重量等价。
dp[target] == target 说明背包已经被装满了。target是想要总和的一半,也就是装满后的价值,而dp里的target是背包的容量,也就是容量为target的背包装的价值是target时,说明此时背包已经装满。
-
递推公式:dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i])
但在本题中:数字本身就是重量和价值,因此递归公式为:
dp[j] = Math.max(dp[j], dp[j - nums[i]] + nums[i]) -
初始化:dp[0] = 0; 非零下标的dp数组,初始为一个非负整数最大值0,因为在递推公式中有dp[j]和后面的进行比较,所以要赋为0,这样不会扰乱结果。
-
遍历顺序:先遍历物品,再遍历背包(倒序遍历)
-
class Solution {
public boolean canPartition(int[] nums) {
//先剪枝一次,数组为空或长度为0时返回false
if(nums.length == 0 || nums == null) return false;
//计算数组中元素的总和
int sum = 0;
for(int num: nums) {
sum += num;
}
//剪枝,如果总和为奇数,则不能返回两个元素和相等的子集
if(sum % 2 != 0) return false;
int target = sum / 2;
int n = nums.length;
//dp[j]含义为nums为j时dp数组的最大总和,所以得把j最大能取target,所以长度为target+1
int[] dp = new int[target + 1];
//从nums数组中第0个位置遍历,把数字放进去
for(int i = 0; i < n; i++) {
for(int j = target; j >= nums[i]; j--) {
dp[j] = Math.max(dp[j], dp[j - nums[i]] + nums[i]);
}
//剪枝一下,每次循环完就检查下是否满足要求,满足后就直接return
if(dp[target] == target) {
return true;
}
}
return dp[target] == target;
}
}