[Algorithm][动态规划][01背包问题][模板背包][分割等和子集]详细讲解 +何为背包问题?

本文主要是介绍[Algorithm][动态规划][01背包问题][模板背包][分割等和子集]详细讲解 +何为背包问题?，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

0.何为背包问题？

背包问题：有限制条件下的"组合问题"
你有一个背包，地上有一堆物品，挑选一些物品放入背包中
- 问：最大能挑选出来的价值是多少？
限制因素
- 物品的属性：价值等
- 背包的属性：容量大小等
- 背包是要求必装满还是不必装满？
当研究一个问题，出现选或者不选的情况，思路就可以往01背包上靠
注意：背包问题是必须要掌握的算法问题

1.模板背包

1.题目链接

[模板] 背包

2.算法原理详解

注意：01背包问题是所有背包问题的基础，此处的分析思路，可以用到很多题里面
思路：
- 确定状态表示 -> dp[i][j]的含义
  - dp[i]：从前i个物品中选，所有选法中，能挑选出来的最大价值 ×
    - 无法得知背包容量
  - 不要求恰好装满
    - dp[i][j]：从前i个物品中挑选，总体积不超过j，所有选法中，能挑选出来的最大价值
  - 要求恰好装满
    - dp[i][j]：从前i个物品中挑选，总体积恰好等于j，所有选法中，能挑选出来的最大价值
- 推导状态转移方程：根据最后一个位置的情况，分情况讨论
  - 不要求恰好装满：j - v[i] >= 0是为了确保背包此时容量足够塞下当前物品
  - 要求恰好装满：dp[i][j] == -1表示没有这种情况，即此时总体积凑不到j
- 初始化：
  - 不要求恰好装满：vector<vector<int>> dp(n + 1, vector<int>(V + 1))
  - 要求恰好装满：第一行除第一个位置，其余都为-1
- 确定填表顺序：从上往下
- 确定返回值：
  - 不要求恰好装满：dp[n][V]
  - 要求恰好装满：dp[n][V] == -1 ? 0 : dp[n][V]
滚动数组优化空间
- 每次填值，只依赖上一行的值
  - 所以，理论上只需要两行一维数组，就可以解决问题
- 可以一个一维数组就优化掉此问题
  - 但是如果从左往右遍历数组，会影响动态规划填值
    - 因为原本的填值过程，会依赖左上方的值
  - 此时，只需要从右往左遍历该数组，就不会影响动态规划的规程
- 操作
  - 删除所有的横坐标
  - 修改一下j的遍历顺序
- 注意：不要去强行解释优化后的妆台表示以及状态转移方程，费时费力还没啥意义

3.代码实现

// v1.0
int main()
{int n = 0, V = 0;cin >> n >> V;vector<int> v(n + 1), w(n + 1);for(int i = 1; i <= n; i++){cin >> v[i] >> w[i];}vector<vector<int>> dp(n + 1, vector<int>(V + 1));// Q1for(int i = 1; i <= n; i++){for(int j = 1; j <= V; j++){dp[i][j] = dp[i - 1][j];if(j >= v[i]){dp[i][j] = max(dp[i][j], dp[i - 1][j - v[i]] + w[i]);}}}cout << dp[n][V] << endl;// Q2dp.resize(n + 1, vector<int>(V + 1));for(int i = 1; i <= V; i++){dp[0][i] = -1;}for(int i = 1; i <= n; i++){for(int j = 1; j <= V; j++){dp[i][j] = dp[i - 1][j];if(j >= v[i] && dp[i - 1][j - v[i]] != -1){dp[i][j] = max(dp[i][j], dp[i - 1][j - v[i]] + w[i]);}}}cout << (dp[n][V] == -1 ? 0 : dp[n][V]) << endl;return 0;
}
-----------------------------------------------------------------------------
// v2.0 滚动数组优化
int main()
{int n = 0, V = 0;cin >> n >> V;vector<int> v(n + 1), w(n + 1);for(int i = 1; i <= n; i++){cin >> v[i] >> w[i];}vector<int> dp(V + 1);// Q1for(int i = 1; i <= n; i++){for(int j = V; j >= v[i]; j--){dp[j] = max(dp[j], dp[j - v[i]] + w[i]);}}cout << dp[V] << endl;// Q2dp.resize(V + 1, 0);for(int i = 1; i <= V; i++){dp[i] = -1;}for(int i = 1; i <= n; i++){for(int j = V; j >= v[i]; j--){if(dp[j - v[i]] != -1){dp[j] = max(dp[j], dp[j - v[i]] + w[i]);}}}cout << (dp[V] == -1 ? 0 : dp[V]) << endl;return 0;
}

2.分割等和子集

1.题目链接

分割等和子集

2.算法原理详解

问题转化：在数组中选择一些数出来，让这些数的和等于sum / 2 --> 01背包
思路：
- 确定状态表示 -> dp[i][j]的含义
  - dp[i]j]：从前i个数中**选**，所有的选法中，能否凑成j这个数
- 推导状态转移方程：根据最后一个位置的情况，分情况讨论
  - dp[i][j] = dp[i - 1][j] || dp[i - 1][j - nums[i]]
- 初始化：
  - 多开一行及一列虚拟结点
- 确定填表顺序：从上往下
- 确定返回值：dp[n][sum / 2]
滚动数字优化同[模板] 背包

3.代码实现

// v1.0
bool canPartition(vector<int>& nums) 
{int n = nums.size(), sum = 0;for(auto& x : nums){sum += x;}if(sum % 2) return false;int aim = sum / 2;vector<vector<bool>> dp(n + 1, vector<bool>(aim + 1));// Initfor(int i = 1; i <= n; i++){dp[i][0] = true;}// DPfor(int i = 1; i <= n; i++){for(int j = 1; j <= aim; j++){dp[i][j] = dp[i - 1][j];if(j >= nums[i - 1]){dp[i][j] = dp[i][j] || dp[i - 1][j - nums[i - 1]];}}}return dp[n][aim];
}
----------------------------------------------------------------------
// v2.0 滚动数组优化
bool canPartition(vector<int>& nums) 
{int n = nums.size(), sum = 0;for(auto& x : nums){sum += x;}if(sum % 2) return false;int aim = sum / 2;vector<bool> dp(aim + 1);                dp[0] = true;// DPfor(int i = 1; i <= n; i++){for(int j = aim; j >= nums[i - 1]; j--){dp[j] = dp[j] || dp[j - nums[i - 1]];}}return dp[aim];
}