本文主要是介绍代码随想录算法训练营Day41|背包问题、分割等和子集,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!
背包问题
二维
46. 携带研究材料(第六期模拟笔试) (kamacoder.com)
dp数组有两维,横轴表示背包重量j(0-j),纵轴表示不同物品(0-i),dp[i][j]即表示从下标为[0-i]的物品里任意取,对于重量为j的背包,最大的价值是多少。dp[i][j]的对物品i来说只有2种情况,物品i未放入或者放入,如果物品i未放入,由dp[i-1][j]可以推出,即背包容量为j,里面不放物品i的最大价值,此时dp[i][j]就是dp[i-1][j](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,所以背包内的价值依然和前面相同。)(参考代码随想录 (programmercarl.com))放物品时,
dp[i][j] =dp[i-1][j-weight[i]]+value[i],即当未放入i时,且重量为j-weight[i]的dp值加上i的价值。
即dp[i][j]的最终推导公式为:dp[i][j] = max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i])
考虑到dp[i][j]的含义,则dp[i][0]意味着背包重量为0的价值,理应全为0,dp[i][0]的值初始化全部为0,此外当i为0时,若j<weight[0]时,dp[i][j]的值应该为0,因为背包容量比编号为0的物品重量要小,而当j>=weight[0]时,dp[0][j]的值应该是value[0],因为背包容量足够放编号为0的物品(注意这里是0-1背包问题,只有放入和取出两种操作,所以这里dp[0][j]只为values[0]而不是values[0]的倍数)
由于dp的递推公式dp[i][j] = max(dp[i-1][j], dp[i-1][j-weight[i]] + value[i]),当前dp[i][j]仅与之前的元素有关,其他地方无需初始化。
vector<vector<int>>dp(weight.size(),vector<int>(bagweight + 1, 0));
for(int j = weight[0]; j <= bagweight; j++){dp[0][j] = value[0];
}
之后是确定遍历顺序,对物品和背包的遍历都是可行的。
以遍历物品为例,当j<weight[i]时,无法将物品i放入,则dp[i][j] = dp[i-1][j],否则为上述的dp公式。
for(int i = 1; i < weight.size();i++){for(int j = 0; j <= bagweight; j ++){if(j < weight[i])dp[i][j] = dp[i-1][j];elsedp[i][j] = max(dp[i][j-1],dp[i-1][j-weight[i]]+value[i]);}
}
遍历背包的话
for(int j = 0; j <= bagweight; j++){for(int i = 0; i < weight.size(); i++){if(j < weight[i])dp[i][j] = dp[i-1][j];elsedp[i][j] = max(dp[i-1][j],dp[i-1][j-value[i]] + value[i]);}
}
只是变更一下顺序,其他一样(对本题是这样的)。
之后就是返回dp数组的最大值即可。
代码随想录的代码如下:
//二维dp数组实现
#include <bits/stdc++.h>
using namespace std;int n, bagweight;// bagweight代表行李箱空间
void solve() {vector<int> weight(n, 0); // 存储每件物品所占空间vector<int> value(n, 0); // 存储每件物品价值for(int i = 0; i < n; ++i) {cin >> weight[i];}for(int j = 0; j < n; ++j) {cin >> value[j];}// dp数组, dp[i][j]代表行李箱空间为j的情况下,从下标为[0, i]的物品里面任意取,能达到的最大价值vector<vector<int>> dp(weight.size(), vector<int>(bagweight + 1, 0));// 初始化, 因为需要用到dp[i - 1]的值// j < weight[0]已在上方被初始化为0// j >= weight[0]的值就初始化为value[0]for (int j = weight[0]; j <= bagweight; j++) {dp[0][j] = value[0];}for(int i = 1; i < weight.size(); i++) { // 遍历科研物品for(int j = 0; j <= bagweight; j++) { // 遍历行李箱容量// 如果装不下这个物品,那么就继承dp[i - 1][j]的值if (j < weight[i]) dp[i][j] = dp[i - 1][j];// 如果能装下,就将值更新为 不装这个物品的最大值 和 装这个物品的最大值 中的 最大值// 装这个物品的最大值由容量为j - weight[i]的包任意放入序号为[0, i - 1]的最大值 + 该物品的价值构成else dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);}}cout << dp[weight.size() - 1][bagweight] << endl;
}int main() {while(cin >> n >> bagweight) {solve();}return 0;
算法使用两层嵌套循环来补全dp数组,外层执行weight.size()次,即n次,内层执行了bagweight+1次,定为m次,时间复杂度为O(n*m),空间复杂度使用了二维数组,O(n*m)。
一维
滚动数组,不太理解,周末看看。
代码随想录 (programmercarl.com)
// 一维dp数组实现
#include <iostream>
#include <vector>
using namespace std;int main() {// 读取 M 和 Nint M, N;cin >> M >> N;vector<int> costs(M);vector<int> values(M);for (int i = 0; i < M; i++) {cin >> costs[i];}for (int j = 0; j < M; j++) {cin >> values[j];}// 创建一个动态规划数组dp,初始值为0vector<int> dp(N + 1, 0);// 外层循环遍历每个类型的研究材料for (int i = 0; i < M; ++i) {// 内层循环从 N 空间逐渐减少到当前研究材料所占空间for (int j = N; j >= costs[i]; --j) {// 考虑当前研究材料选择和不选择的情况,选择最大值dp[j] = max(dp[j], dp[j - costs[i]] + values[i]);}}// 输出dp[N],即在给定 N 行李空间可以携带的研究材料最大价值cout << dp[N] << endl;return 0;
}
分割等和子集
416. 分割等和子集 - 力扣(LeetCode)
本来想着直接排序然后依次加入最小的数,然后发现果然有错[1,1,2,2]。
以[1,5,11,5]这个题例为例,可以抽象为 一个背包容量为11,剩余元素(只能使用1次)是否能装满这个容量为11的背包。0-1背包问题。
DP数组含义,容量为j的最大价值为dp[j],当dp[target] == target时,表示能装满(此处的target为数组sum的一半,因为两个子集和要相等),即能实现分割等和子集。
背包容量从0到10001,因为数字总和不超过20000,则target<=10000,dp数组长度到达10001就够了。
dp[j] = max(dp[j],dp[j - nums[i]]+ nums[i]);
对dp的初始化,由于nums数组全为正整数,可以全部初始化为0,(若存在负数,则应初始化为INT_MIN)。
遍历顺序物品遍历在外,背包遍历在内层,且内层倒序遍历。参考代码随想录 (programmercarl.com)
最后需考虑,当dp[target] == target时,返回true,否则为false。
此外,若sum%2 == 1,则表明sum为奇数,不存在两个相等的子数组和,return false。剪枝。
class Solution {
public:bool canPartition(vector<int>& nums) {int sum = 0; for(auto x:nums){sum += x; // 计算数组元素的总和}// 如果总和是奇数,那么不能平分,直接返回falseif(sum%2 == 1)return false;// 计算目标和,即每个子集应该达到的和const int target = sum/2;// 初始化动态规划数组dp,大小为10001,初值都为0// dp[j]表示是否能够从前i个数字中选取一些数字,使得这些数字的和为jvector<int>dp(10001, 0);// 遍历数组中的每个数字for(int i = 0; i < nums.size();i++){// 从大到小遍历目标和及其以下的值for(int j = target; j >= nums[i]; j--){// 更新dp[j],选取或不选取当前数字,取两种情况的最大值dp[j] = max(dp[j],dp[j - nums[i]] +nums[i]);}}// 如果dp[target]等于target,说明可以找到和为target的子集,返回trueif(dp[target] == target)return true;return false;}
};
算法的时间复杂度为O(n^2),空间复杂度为O(n)。
这篇关于代码随想录算法训练营Day41|背包问题、分割等和子集的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!