背包问题(01背包+leetcode416)

动态规划合集:

1.矩阵链乘法
2.投资组合问题
3.完全背包问题
4.01背包问题
5.最长公共子序列

例题4——01背包

题目描述(Leetcode 416)

Given a non-empty array containing only positive integers, find if the array can be partitioned into two subsets such that the sum of elements in both subsets is equal.

Note:

  1. Each of the array element will not exceed 100.
  2. The array size will not exceed 200.

Example 1:

Input: [1, 5, 11, 5]

Output: true

Explanation: The array can be partitioned as [1, 5, 5] and [11].

Example 2:

Input: [1, 2, 3, 5]

Output: false

Explanation: The array cannot be partitioned into equal sum subsets.

解题分析

能否将数组分成两部分,且两部分彼此相等。

首先就是将元素都加起来,因为都是正整数,如果和为奇数,那么分成两部分怎么分两部分也不可能相等。

如果总和为偶数,那么问题就转变成 从数组中,挑出来相加等于总和一半的数,如果挑不出来那就是不存在,否则就是存在。(从一堆物品中挑出来装入背包,背包的总重为 总和的一半 )

建模:

表示选前k个数,且总和不超过y时可以加出来的和。那么也就是可以凑出来值为target的组合。若不等,则不存在。

题解

public boolean canPartition(int[] nums) {
        int n = nums.length;
        if (n <= 0) return false;
        int sum = 0;
        for (int i = 0; i < n; i++) {
            sum += nums[i];
        }
        if (sum %2 == 1){
            return false;
        }
        int target = sum >> 1;
        int [][]dp = new  int[n+1][target+1];
        //
        int y = target;
        for (int i = 1; i <= n; i++) {
            for (int j = 0; j <=  target; j++) {
                int left = dp[i-1][j];
                int right;
                if (j-nums[i-1] < 0){
                    right = Integer.MIN_VALUE;
                }
                else {
                    right = dp[i-1][j-nums[i-1]]+nums[i-1];
                }
                dp[i][j] = Math.max(left,right);
            }
        }
        if (dp[n][target] == target)
            return true;
        return false;
    }

大神解法

public boolean canPartition(int[] nums) {
    int sum = 0;

    for (int num : nums) {
        sum += num;
    }

    if ((sum & 1) == 1) {
        return false;
    }
    sum /= 2;

    int n = nums.length;
    boolean[] dp = new boolean[sum+1];
    Arrays.fill(dp, false);
    dp[0] = true;

    for (int num : nums) {
        for (int i = sum; i > 0; i--) {
            if (i >= num) {
                dp[i] = dp[i] || dp[i-num];
            }
        }
    }
    return dp[sum];
}

先说优点,再说其思路。

代码优点:for的迭代器写法,位操作判断奇偶,备忘录用二进制(节省存储还好用)

思路:只维护一个一维矩阵,长度为target+1

递推公式为:

表示,使用前k个数,能否凑出和为y。能则为true,不能则为false。子问题还是考y,k来界定的。

表示使用所有的数,能否凑出和为target。若能则返回true,否则false。

### 0-1 背包问题的动态规划解法 #### 问题描述 给定 `n` 件物品和一个承重为 `W` 的背包,每件物品具有一定的重量 `weight[i]` 和价值 `value[i]`。目标是在不超过背包最大承重的前提下,选出若干件物品使得它们的价值之和最大化。 #### 动态规划的核心思路 通过定义状态转移方程来解决问题。设 `dp[i][j]` 表示前 `i` 件物品在背包容量为 `j` 时能够获得的最大价值,则其状态转移方程如下: \[ dp[i][j] = \max(dp[i-1][j],\ dp[i-1][j-weight[i]] + value[i]) \] 其中: - \( dp[i-1][j] \) 表示不选第 `i` 件物品; - \( dp[i-1][j-weight[i]] + value[i] \) 表示选择第 `i` 件物品的情况。 初始条件为当背包容量为 0 或者没有物品可选时,最大价值均为 0 即 \( dp[0][j] = 0 \),\( dp[i][0] = 0 \)[^1]。 以下是基于上述公式的实现代码: ```python def knapsack_01(n, W, weights, values): # 创建二维数组存储中间结果 dp = [[0 for _ in range(W + 1)] for _ in range(n + 1)] # 填充表格 for i in range(1, n + 1): for j in range(1, W + 1): if weights[i - 1] <= j: dp[i][j] = max( dp[i - 1][j], dp[i - 1][j - weights[i - 1]] + values[i - 1] ) else: dp[i][j] = dp[i - 1][j] return dp[n][W] ``` 为了优化空间复杂度,可以采用一维数组代替二维数组来进行计算。具体做法是从后向前更新当前层的状态值,这样可以保证每次更新都只依赖于上一层的数据而不会被覆盖掉旧数据[^2]。 ```python def knapsack_01_optimized(n, W, weights, values): dp = [0] * (W + 1) for i in range(n): for j in range(W, weights[i]-1, -1): dp[j] = max(dp[j], dp[j - weights[i]] + values[i]) return dp[W] ``` 以上两种方法均适用于标准形式下的0-1背包问题解答,并且后者更常用于实际竞赛或者工程应用当中由于它节省了大量的内存消耗[^3]。 #### 结论 综上所述,无论是使用完整的二维表还是压缩的一维滚动数组方式都可以有效地解决经典的零壹背包难题。这两种技术不仅限于此单一场景,在其他变体如完全背包、多重背包等问题里也有广泛的应用基础[^4]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值