目录
题目链接: 01背包问题 二维
思路
代码
题目链接:01背包问题 一维
思路
代码
题目链接: 416. 分割等和子集
思路
代码
总结
题目链接:01背包问题 二维
思路
①dp数组,物品从下标0到i的物品中任取,然后放进容量为j的背包里,此时最大的价值
②递推公式,到第i个物品时有两个选择,放或者不放。如果不放,最大价值就是dp[i-1][j],说明第i个物品太大了放不下,价值还是和i-1的状态一样;如果放,最大价值就是i-1时的价值加上value[i],即dp[i-1][j-wight[i]]+value[i]。也就是说当前dp[i][j]可以由这两个状态推导而来,因为要取最大价值,所以取这两个值中的最大值
③dp数组初始化,由递推公式可知,dp数组当前值可由左上角和正上方两个方向推导而来, 所以只需要初始化第一列和第一行即可由递推公式得到整个二维dp数组。当背包容量为0时,放不了东西,所以这一列初始化为0;下标为物品0时,如果背包容量足够就将其初始化为物品0的价值,如果放不下就初始化为0
④遍历顺序,由递推公式可知,只要有左上角和上方的值即可推导当前值,所以先遍历行或者列,或者说先遍历物品或者背包都可以
⑤推导dp数组
代码
#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;
int m,n;//m为物品个数,n为背包空间
void solve(){
vector<int> weight(m,0);//物品重量
vector<int> value(m,0);//物品价值
vector<vector<int>> dp(m,vector<int>(n+1,0));//dp数组
//输入重量和价值
for(int i = 0; i < m; i++){
cin>>weight[i];
}
for(int i = 0; i < m; i++){
cin>>value[i];
}
//当第一个物品的重量小于背包空间时
//此时dp赋值为该物品的value
for(int j = weight[0]; j <= n; j++){
dp[0][j] = value[0];
}
//遍历背包
for(int j = 0; j <= n; j++){
//遍历物品,物品从1到i
for(int i = 1; i < m; i++){
if(weight[i] > j)
//装不下时,价值与遍历到上一个物品时一样
dp[i][j] = dp[i-1][j];
else
//如果能装下,选最大值
dp[i][j] = max(dp[i-1][j], dp[i-1][j-weight[i]]+value[i]);
}
}
cout<<dp[m-1][n]<<endl;
}
int main(){
while(cin>>m>>n){
solve();
}
return 0;
}
题目链接:01背包问题 一维
思路
①dp数组,容量为j的背包,能装的物品价值最大为dp[j]
②递推公式,与二维类似,只不过用了一维的滚动数组。此时背包空间为j,有两个选择:装不下当前物品,则此时背包的价值与遍历上一个物品时一样,也就是dp[j] = dp[j-weight[i]];能装下时,有两种情况,装完后价值比之前大,装完后价值比之前小,肯定是二者选最大。装之前,dp[j] = dp[j-weight[i]],装之后,dp[j] = dp[j-weight[i]] + value[i]。
③dp数组初始化,根据递推公式可知背包空间为0时装不了物品,所以价值为0即dp[0] = 0,往后遍历时会进行更新,所以其他位置先初始化为0即可。
④遍历顺序,先物品,后背包,且背包倒序遍历,从空间最大往前遍历。因为是先遍历物品,如果背包正序遍历,则物品i可能会被重复放入。
⑤推导dp数组
代码
#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;
//一维dp数组
int m,n;//m为物品种类,n为背包容量
void solve(){
vector<int> weight(m,0);
vector<int> value(m,0);
//dp[n]的意义是背包容量为n的时候,所装物品的最大价值为dp[n]
//因为dp数组从0开始,所以dp数组的大小为n+1
vector<int> dp(n+1,0);
//输入物品信息,重量和价值
for(int i = 0; i < m; i++){
cin>>weight[i];
}
for(int i = 0; i < m; i++){
cin>>value[i];
}
//遍历顺序,先物品,后背包,其背包倒序遍历
//由于dp数组大小有限,并不会保存上一层的信息
//所以要先遍历物品,把当前物品处理完再进行下一层
//背包倒序遍历是防止同一物品被多次装入背包
for(int i = 0; i < m; i++){
//如果能装下才对dp数组当前位置进行更新
for(int j = n; j >=weight[i]; j--){
dp[j] = max(dp[j],dp[j-weight[i]]+value[i]);
}
}
cout<<dp[n]<<endl;
}
int main(){
while(cin>>m>>n){
solve();
}
return 0;
}
题目链接:416. 分割等和子集
思路
将该题归类为01背包问题
- 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。
①dp数组,容量为j的背包所装物品的最大价值为dp[j],本题所给的数组既是重量也是价值
②递推公式,dp[j] = max[dp[j], dp[j-nums[i]]+nums[i]]
③dp数组初始化,本题所给数组中的数都是正整数,所以初始化为0即可
④遍历顺序,滚动数组,先物品后背包,背包倒序
⑤推导dp数组
代码
class Solution {
public:
bool canPartition(vector<int>& nums) {
// 计算数组中所有元素之和
int sum = 0;
for (int i = 0; i < nums.size(); i++) {
sum += nums[i];
}
// 如果和为奇数,则不可能分隔,因为都是数组中都为正整数
if (sum % 2 == 1)
return false;
// target为背包的容量
int target = sum / 2;
vector<int> dp(target + 1, 0); // 定义dp数组
// 01背包,先物品,后背包,背包倒序遍历
for (int i = 0; i < nums.size(); i++) {
for (int j = target; j >= nums[i]; j--) {
dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);
}
}
if (dp[target] == target)
return true;
return false;
}
};
总结
①01背包问题,m个物品,有各自的重量和价值,背包容量为n,将物品装入到背包里,使得背包中物品的价值总和最大
②选择背包大小为dp数组,dp[j]的含义是背包容量为j时装入物品的最大价值
③再遍历dp数组时,每次都有两个选择,装与不装。当容量不足时就不装,价值与上一状态一样;当容量足够时,装入当前物品有一个价值,上一状态也有一个价值,取最大值
④416.分割等和子集竟然能用01背包解决,属实是意想不到
⑤刚开始接触背包问题,很多细节没有掌握,需要复习