01背包问题一般是利用动态规划进行解题的，这里通过leetcode1049来讲解01背包的解题思路以及如何对01背包应用题目转换和理清思路

01背包问题：

这里借用学习公众号代码随想录的一张图来说明背包问题的种类

对于面试的话，其实掌握01背包，和完全背包，就够用了，最多可以再来一个多重背包。
首先来看01背包问题的描述
有N件物品和一个最多能被重量为W 的背包。第i件物品的重量是weight[i]，得到的价值是value[i] 。每件物品只能用一次，求解将哪些物品装入背包里物品价值总和最大。
对于这种问题第一印象就是将所有可能的组合遍历出来，每一件物品都有取与不取两种状态，但是这种暴力解法的时间复杂度是O（2^N），对一半题目来说太高了，需要动态规划来降低复杂度。

解题思路：

1.还是从五步骤开始，先是定义数组，确定数组下标含义，在01背包问题中需要迭代更新的有两个变量是物品和重量，我们可以理解为在i个物品j重量的前提下，算出i+1个物品j重量的组合或者i个物品j+1重量的组合，所以数组的定义是dp[i][j]

2.那么可以有两个方向推出来dp[i][j]，

由dp[i - 1][j]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]
由dp[i - 1][j - weight[i]]推出，dp[i - 1][j - weight[i]] 为背包容量为j - weight[i]的时候不放物品i的最大价值，那么dp[i - 1][j - weight[i]] + value[i] （物品i的价值），就是背包放物品i得到的最大价值
所以递归公式：dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);

同时我们可以从递推公式中看到dp[i]的变化跟dp[i-1]行的变化有关，这种只跟前面一行状态以及当前行已经更新过的状态有关的情况下，可以将数组进行压缩变成一维数组即dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);对于已经被覆盖的数组，递推公式中是完全用不上的。后面为了方便讲解还是继续使用二维数组。
3.数组初始化
关于初始化，一定要和dp数组的定义吻合，否则到递推公式的时候就会越来越乱。
我们看递推公式中dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i])可以看出有两个要初始化的地方dp[i]的状态跟dp[i-1]有关，所有要初始化第0行即物品0号放入各种容量背包中重量大小，但是这里会在遍历中进行更新；还和j - weight[i]有j==weight[i]的情况，所以还要初始化dp[i][0]第0列，当容量为0时候，重量最大上限也是0,所以不用更改。综上所述，需要初始化的地方就是第0行。
首先我们要考虑01背包的条件，每个物品只有一件，不能重复放入，所以必须要从右往左进行倒序遍历，从左往右正序遍历会导致物品放入多次。
初始化递推dp[0][j] = dp[0][j - weight[0]] + value[0];举个反例：0号物品重量为1，如果是正序遍历的话，dp[0][0] = 0,dp[0][1] = 1,那么dp[0][2]=2,就相当于放入两次了。
4.遍历顺序
动态规划是比较看重遍历顺序的，遍历顺序不一样，可能得到的结果会完全不一样。但是在这里哪种遍历顺序都可以，先物品再容量和先容量再物品都可以。

leetcode：1049

有一堆石头，每块石头的重量都是正整数。

每一回合，从中选出任意两块石头，然后将它们一起粉碎。假设石头的重量分别为 x 和 y，且 x <= y。那么粉碎的可能结果如下：

如果 x == y，那么两块石头都会被完全粉碎；
如果 x != y，那么重量为 x 的石头将会完全粉碎，而重量为 y 的石头新重量为 y-x。
最后，最多只会剩下一块石头。返回此石头最小的可能重量。如果没有石头剩下，就返回 0。
官方例子：
输入：[2,7,4,1,8,1]
输出：1
解释：
组合 2 和 4，得到 2，所以数组转化为 [2,7,1,8,1]，
组合 7 和 8，得到 1，所以数组转化为 [2,1,1,1]，
组合 2 和 1，得到 1，所以数组转化为 [1,1,1]，
组合 1 和 1，得到 0，所以数组转化为 [1]，这就是最优值。

解析
咋一看，这题目跟01背包毫无关系，实际上需要转化思维方式，这是一道01背包的应用题。
首先两两石头进行粉碎，什么情况下能让剩下重量最小就是两块石头重量很接近的时候。那么这道题的解题思路就是将石头分成两堆，让他们重量相近，实际上就是重量少的那堆的重量总和尽量接近于原石头堆stones一半的重量。这就好办了，题目已经转化为背包所容纳的重量为stones/2,物品为石头数组的01背包问题。就可以利用上面01背包的解题思路进行解题了。
代码：

public int lastStoneWeightII(int[] stones) {int sums = 0;for(int i=0;i<stones.length;i++){sums += stones[i];}int sum = sums/2;int[] dp = new int[sum+1];for(int i=0;i<stones.length;i++){for(int j = sum;j>=stones[i];j--){dp[j] = Math.max(dp[j],dp[j-stones[i]]+stones[i]);}}return (sums-dp[sum])-dp[sum];}

动态规划总结三01背包问题相关推荐

动态规划的用法——01背包问题
动态规划的用法--01背包问题问题主题:著名的01背包问题问题描述: 有n个重量和价值分别为wi.vi的物品,现在要从这些物品中选出总重量不超过W的物品,求所有挑选方案中的价值最大值. 限制条件: ...
【动态规划】P1048 01背包问题：采药
时间对应容量,用01背包 [动态规划笔记]01背包问题及优化_m0_52043808的博客-CSDN博客代码: #include<iostream> using namespace st ...
vs2017\vs2019 动态规划算法实现0-1背包问题 C
这是针对于博客vs2017安装和使用教程(详细)和vs2019安装和使用教程(详细)的动态规划算法实现0-1背包问题的示例目录一.问题描述
动态规划：关于01背包问题 I
动态规划:关于01背包问题,你该了解这些! 对于面试的话,其实掌握01背包,和完全背包,就够用了,最多可以再来一个多重背包. 如果这几种背包,分不清,我这里画了一个图,如下: 至于背包九讲其其他背包, ...
动态规划(一)：0-1背包问题
目录前言一.原理 1.1 最优子结构性质 1.2 递归关系二.算法描述 2.1 算法描述 2.2 图解 2.3 构造最优解三.0−10-10−1 背包问题相关题目 3.1 题目 3.2 源程序 ...
代码随想录算法训练营第四十二天-动态规划4｜● 01背包问题，你该了解这些！ ● 01背包问题，你该了解这些！滚动数组 ● 416. 分割等和子集
今天只有1道题,属于动态规划的01背包问题的应用.首先理解一下动态规划的01背包问题.推荐一个视频,动态规划DP0-1背包,这是我认为讲得最为通透的.很多讲解动态背包问题的,一上来就画二维表格,遍历背 ...
【动态规划笔记】01背包问题：leetcode415 分割等和子集
416. 分割等和子集问题的另一种表述: 给定一个数组nums,判断是否可以从数组中选出一些数,使得这些数之和等于元素和的一半. 此问题为01背包问题. 该问题的一般描述为:能否选择若干物品,使它们 ...
【动态规划笔记】01背包问题及优化
dp[i][j]:在前i件物品中选出若干件,放入容量为j的背包,能获得的最大价值考虑第i件物品 [拿] 还是 [ 不拿 ] (1)j < c[i] 时,背包容量为j,而第i件物品重量大于j ...
C++动态规划算法之0-1背包问题
0-1背包问题题目描述有 n 件物品, 每件物品有一个价值和一个重量,分别记为: b1,b2, -bn w1,w2, -wn 其中所有的重量wi 均为整数. 现有一个背包,其最大载重量为W,要求 ...

动态规划总结三01背包问题

01背包问题：

解题思路：

leetcode：1049

动态规划总结三01背包问题相关推荐

最新文章

热门文章