背包问题
0-1背包
n种物品,每种物品只有一个。
完全背包
n种物品,每种物品有无限个。
多重背包
n种物品,每种物品的个数不各相同。
0-1背包题目
背包最大重量为4。
物品 | 重量 | 价值 |
---|---|---|
0 | 1 | 15 |
1 | 3 | 20 |
2 | 4 | 30 |
暴力解法
每样东西取或者不取,用回溯来做,要找到最大值,那就要遍历完。
二维dp
dp[i][j] = 编号在[0,i]的物品任取放进容量为j的背包里的最大价值。
dp[i][j]的状态取决于放不放物品i
- 不放物品i,dp[i-1][j] 没放i的时候(用[0,i-1]的物品装满背包)的最大价值。
- 放了物品i,dp[i-1][j-weight[i]]+value[i] 没放i的时候且包还有位置的最大价值加上i的价值。
dp[i][j] = max(dp[i-1][j], dp[i-1][j-weight[i]]+value[i])
dp | 0 | 1 | 2 | 3 | 4 |
---|---|---|---|---|---|
0 | 0 | 0 | 0 | 0 | 0 |
1 | 0 | ||||
2 | 0 |
初始化:
- 背包容量为0的话啥也不能装,所以dp[i][0]全是0
- 只有物品0能装的,所以
dp[0][j]=value[0] if weight[0] <= j else 0
其他地方的初始化随意,没有影响
遍历顺序:
- 从推到公式来看,dp[i][j] 是由dp[i-1][j](正上方的元素)和dp[i-1][j-weight[i]](左斜上方的元素)得到的,所以遍历顺序应该是从小到大
- 对这道题来说,先遍历是谁都一样。
def test_2_wei_bag_problem1(bag_size, weight, value) -> int:
rows, cols = len(weight), bag_size + 1
dp = [[0 for _ in range(cols)] for _ in range(rows)]
# 初始化dp数组.
for i in range(rows):
dp[i][0] = 0
first_item_weight, first_item_value = weight[0], value[0]
for j in range(1, cols):
if first_item_weight <= j:
dp[0][j] = first_item_value
# 更新dp数组: 先遍历物品, 再遍历背包.
for i in range(1, len(weight)):
cur_weight, cur_val = weight[i], value[i]
for j in range(1, cols):
if cur_weight > j: # 说明背包装不下当前物品.
dp[i][j] = dp[i - 1][j] # 所以不装当前物品.
else:
# 定义dp数组: dp[i][j] 前i个物品里,放进容量为j的背包,价值总和最大是多少。
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - cur_weight]+ cur_val)
print(dp)
if __name__ == "__main__":
bag_size = 4
weight = [1, 3, 4]
value = [15, 20, 30]
test_2_wei_bag_problem1(bag_size, weight, value)
一维dp
dp[i][j] = max(dp[i-1][j], dp[i-1][j-weight[i]]+value[i])
把dp[i-1][j]一整层拷贝到i层,形成滚动数组,直接进行计算。
dp[j] = 容量为j的背包所能装的最大价值
- 不放物品i,dp[j](上一层拷贝下来的,所以就是他自己)
- 放物品i,dp[j-weight[i]]+value[i]
dp[j] = max(dp[j],dp[j-weight[i]]+value[i])
0 | 1 | 2 | 3 | 4 | |
---|---|---|---|---|---|
dp | 0 | 0 | 0 | 0 | 0 |
初始化:
- 容量都是0了,dp[0]一定是0
- 别的值,由于要和自己max,所以初始化就给0
遍历顺序:
因为我们要用上一层i-1覆盖这一层i的dp,所以i(物品)的遍历是第一层且顺序。
j的遍历顺序不能是顺序,因为dp[j-weight[i]]代表的是容量为j-weight[i]的背包所能装的最大价值,如果是正序,也就是说dp[j-weight[i]]也是有可能已经算上物品i了的,在这种情况下0-1问题没法再加一次了。所以j得是倒序的用上一层的dp来取max决定放不放物品i。
def test_1_wei_bag_problem():
weight = [1, 3, 4]
value = [15, 20, 30]
bag_weight = 4
# 初始化: 全为0
dp = [0] * (bag_weight + 1)
# 先遍历物品, 再遍历背包容量
for i in range(len(weight)):
for j in range(bag_weight, weight[i] - 1, -1):
# 递归公式
dp[j] = max(dp[j], dp[j - weight[i]] + value[i])
print(dp)
test_1_wei_bag_problem()
个人觉得因为是倒着的,如果走到最后一层,先出现的是最后一个j也就是最终答案,其实可以直接break掉了,也不用往下了,前面的j我们并不感兴趣。碰到类似的问题可以求证一下。
416. 分割等和子集
题目链接:添加链接描述
这道题要转换成求集合里能否出现总和为 sum / 2 的子集,就比较好继续做。
确定几点:
- 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。
class Solution:
def canPartition(self, nums: List[int]) -> bool:
#集合里能否出现总和为 sum / 2 的子集。
#dp[i][j] = 背包可以放总和为i的元素的前提下在[0,i]任选元素能放的最大重量。
if sum(nums) % 2 == 1: return False
target = sum(nums)//2
dp = [[0]*(target + 1) for _ in range(len(nums))]
for j in range(target + 1):
if nums[0] <= j:
dp[0][j] = nums[0]
for i in range(len(nums)):
for j in range(1,target+1):
#不放nums[i], dp[i-1][j]
#放nums[i], dp[i-1][j-nums[i]]+nums[i]
if nums[i] > j:
dp[i][j] = dp[i-1][j]
else:
dp[i][j] = max(dp[i-1][j],dp[i-1][j-nums[i]]+nums[i])
return dp[-1][target] == target
一维
class Solution:
def canPartition(self, nums: List[int]) -> bool:
#集合里能否出现总和为 sum / 2 的子集。
#dp[i][j] = 背包可以放总和为i的元素的前提下在[0,i]任选元素能放的最大重量。
if sum(nums) % 2 == 1: return False
target = sum(nums)//2
dp = [0] * (target + 1)
for i in range(len(nums)):
for j in range(target, nums[i] - 1, -1):
dp[j] = max(dp[j], dp[j - nums[i]] + nums[i])
return target == dp[target]