代码随想录Day35：动态规划（背包问题 二维 一维、分割等和子集）

01背包问题 二维

46. 携带研究材料（第六期模拟笔试）

背包问题暴力解法：因为每个物品其实就两个状态：取or不取，相当于01，所以如果是n个物品，那时间复杂度就是2^n

背包问题动态规划解法（二维）：dp[i][j]数组的含义是下标为0-i的物品任取，放进容量为j的背包里所能放的最大价值；递推公式，当前状态取决于放不放当前物品i

• 不放物品i：背包容量为j，里面不放物品i的最大价值是dp[i - 1][j]。

• 放物品i：背包空出物品i的容量后，背包容量为j - weight[i]，dp[i - 1][j - weight[i]] 为背包容量为j - weight[i]且不放物品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

dp数组初始化，从递推公式我们可以发现需要正上方或者左上方的，所以初始部分如下图。或者解释从dp[i][j]的定义出发，如果背包容量j为0的话，即dp[i][0]，无论是选取哪些物品，背包价值总和一定为0。状态转移方程 dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]); 可以看出i 是由 i-1 推导出来，那么i为0的时候就一定要初始化。很明显当 j < weight[0]的时候，dp[0][j] 应该是 0，因为背包容量比编号0的物品重量还小。当j >= weight[0]时，dp[0][j] 应该是value[0]，因为背包容量放足够放编号0物品。

遍历顺序，可以看出，有两个遍历的维度：物品与背包重量，先遍历 物品还是先遍历背包重量呢？在二维数组中，都可以，先遍历物品更好理解；但是滚动数组不可以。dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]); 递归公式中可以看出dp[i][j]是靠dp[i-1][j]和dp[i - 1][j - weight[i]]推导出来的。dp[i-1][j]和dp[i - 1][j - weight[i]] 都在dp[i][j]的左上角方向（包括正上方向），那么先遍历物品，再遍历背包的过程如图所示：

先遍历背包，再遍历物品如图

虽然两个for循环遍历的次序不同，但是dp[i][j]所需要的数据就是左上角，根本不影响dp[i][j]公式的推导！但先遍历物品再遍历背包这个顺序更好理解。其实背包问题里，两个for循环的先后循序是非常有讲究的，理解遍历顺序其实比理解推导公式难多了。

举例推导DP数组

package org.example.DP;

import java.util.Scanner;

public class package01_km46 {
    public static void main(String[] args) {
        // 创建一个 Scanner 对象，用于从控制台读取输入
        Scanner scanner = new Scanner(System.in);

        // 读取物品数量 n 和背包最大承重 bagweight
        int n = scanner.nextInt();           // 物品个数
        int bagweight = scanner.nextInt();   // 背包容量

        // 定义两个数组，分别存储每个物品的重量和价值
        int[] weight = new int[n];  // weight[i] 表示第 i 个物品的重量
        int[] value = new int[n];   // value[i] 表示第 i 个物品的价值

        // 读取每个物品的重量
        for (int i = 0; i < n; ++i) {
            weight[i] = scanner.nextInt();
        }

        // 读取每个物品的价值
        for (int j = 0; j < n; ++j) {
            value[j] = scanner.nextInt();
        }

        // 定义动态规划二维数组 dp[i][j]
        // dp[i][j] 表示：从前 i+1 个物品中选择（即考虑第 0 到第 i 个物品），
        // 在背包容量为 j 的情况下，能获得的最大价值
        int[][] dp = new int[n][bagweight + 1];

        
        // 第一步：初始化第一行（即只考虑第一个物品）
        // 当背包容量 j >= 第一个物品的重量 weight[0] 时，
        // 就可以把第一个物品放进去，此时价值就是 value[0]
        // 否则放不进去，价值为 0（数组默认值就是 0，所以不用处理小于的情况）
        for (int j = weight[0]; j <= bagweight; j++) {
            dp[0][j] = value[0];
        }
        
        // 第二步：填表（状态转移）
        // 从第二个物品开始（i = 1），遍历每一个物品
        for (int i = 1; i < n; i++) {
            // 遍历背包容量从 0 到 bagweight
            for (int j = 0; j <= bagweight; j++) {
                // 如果当前背包容量 j 小于第 i 个物品的重量，无法放入该物品
                if (j < weight[i]) {
                    // 只能继承上一行的结果：不选第 i 个物品
                    dp[i][j] = dp[i - 1][j];
                } else {
                    // 否则有两种选择：
                    // 1. 不选第 i 个物品,价值是 dp[i-1][j]
                    // 2. 选第 i 个物品,价值是 dp[i-1][j - weight[i]] + value[i]
                    // 取两者中的最大值
                    dp[i][j] = Math.max(
                            dp[i - 1][j],                          // 不选
                            dp[i - 1][j - weight[i]] + value[i]   // 选
                    );
                }
            }
        }


        // dp[n-1][bagweight] 表示：考虑所有 n 个物品，在背包容量为 bagweight 时的最大价值
        System.out.println(dp[n - 1][bagweight]);

        // 关闭 scanner（可选，但建议用一下）
        scanner.close();
    }
}

import java.util.Scanner;

public class Main {
    public static void main(String[] args) {
        // 创建 Scanner 对象，用于从标准输入读取数据
        Scanner scanner = new Scanner(System.in);

        int M = scanner.nextInt();  // 物品数量
        int N = scanner.nextInt();  // 背包最大容量

        // 定义两个数组，分别存储每种材料的空间占用和价值
        int[] costs = new int[M];   // costs[i] 表示第 i 种材料占用的空间
        int[] values = new int[M];  // values[i] 表示第 i 种材料的价值

        // 读取每种材料的空间占用（即重量）
        for (int i = 0; i < M; i++) {
            costs[i] = scanner.nextInt();
        }

        // 读取每种材料的价值
        for (int j = 0; j < M; j++) {
            values[j] = scanner.nextInt();
        }

        // 定义 dp 数组，dp[j] 表示：在容量为 j 的背包中，能获得的最大价值
        // 初始时所有 dp[j] = 0，表示没有物品时价值为 0
        int[] dp = new int[N + 1];  // 索引从 0 到 N，共 N+1 个状态

        // 外层循环：遍历每一个物品（研究材料）
        // i 从 0 到 M-1，表示当前考虑第 i 个物品
        for (int i = 0; i < M; i++) {
            // 内层循环：倒序遍历背包容量 j
            // 从 j = N（最大容量）递减到 costs[i]
            // 为什么倒序？要确保状态转移时使用的是“上一轮”的数据
            // 如果正序遍历，会导致同一个物品被重复选择
            // 倒序可以保证dp[j - costs[i]]是基于前 i-1 个物品计算出的结果
            for (int j = N; j >= costs[i]; j--) {
                // 状态转移方程
                // 对于当前容量 j，我们有两个选择：
                // 1. 不选第 i 个物品，价值仍是 dp[j]
                // 2. 选第 i 个物品，价值是 dp[j - costs[i]] + values[i]
                // 前提是 j >= costs[i]
                dp[j] = Math.max(
                    dp[j],                    // 不选当前物品
                    dp[j - costs[i]] + values[i]  // 选当前物品
                );
            }
        }

        System.out.println(dp[N]);

        // 关闭 Scanner，释放资源
        scanner.close();
    }
}

public boolean canPartition(int[] nums) {
    // 边界判断：如果数组为空或长度为0，无法分割
    if (nums == null || nums.length == 0) return false;

    int n = nums.length;        // 数组长度
    int sum = 0;                // 记录数组所有元素的总和

    // 计算数组元素总和
    for (int num : nums) {
        sum += num;
    }

    // 如果总和是奇数，无法平均分成两个整数和
    if (sum % 2 != 0) return false;

    // 目标子集和
    int target = sum / 2;

    // dp[j] 表示：在容量为 j 的背包中，能装下的最大数值和
    // 目标：dp[target] 是否等于 target
    int[] dp = new int[target + 1];  // 索引从 0 到 target

    // 外层循环：遍历每一个数字
    for (int i = 0; i < n; i++) {
        // 内层循环：倒序遍历背包容量 j 从 target 到 nums[i]
        // 必须倒序，防止同一个物品被多次选择， 0-1 背包特性
        for (int j = target; j >= nums[i]; j--) {
            // 状态转移方程：对于当前容量 j，有两个选择：
            // 1. 不选 nums[i]，最大和仍是 dp[j]
            // 2. 选 nums[i]，最大和是 dp[j - nums[i]] + nums[i]
            // 取两者最大值
            dp[j] = Math.max(dp[j], dp[j - nums[i]] + nums[i]);
        }

        // 剪枝优化：提前终止
        // 每处理完一个数字后，立即检查是否已经达到了目标。如果 dp[target] 已经等于 target，说明已经找到了一个子集和为 target。可以直接返回 true，无需继续遍历剩下的数字
        if (dp[target] == target) {
            return true;
        }
    }

    // 最终判断：是否恰好装满容量为 target 的背包
    return dp[target] == target;
}