目录
卡玛网-46.携带研究材料
题目
题目描述:
小明是一位科学家,他需要参加一场重要的国际科学大会,以展示自己的最新研究成果。他需要带一些研究材料,但是他的行李箱空间有限。这些研究材料包括实验设备、文献资料和实验样本等等,它们各自占据不同的空间,并且具有不同的价值。
小明的行李空间为 N,问小明应该如何抉择,才能携带最大价值的研究材料,每种研究材料只能选择一次,并且只有选与不选两种选择,不能进行切割。
输入描述:
第一行包含两个正整数,第一个整数 M 代表研究材料的种类,第二个正整数 N,代表小明的行李空间。
第二行包含 M 个正整数,代表每种研究材料的所占空间。
第三行包含 M 个正整数,代表每种研究材料的价值。
输出描述:
输出一个整数,代表小明能够携带的研究材料的最大价值。
输入示例:
6 1
2 2 3 1 5 2
2 3 1 5 4 3
输出示例:
5
提示信息:
小明能够携带 6 种研究材料,但是行李空间只有 1,而占用空间为 1 的研究材料价值为 5,所以最终答案输出 5。
数据范围:
1 <= N <= 5000
1 <= M <= 5000
研究材料占用空间和价值都小于等于 1000
思路
视频讲解1:带你学透0-1背包问题!| 关于背包问题,你不清楚的地方,这里都讲了!
视频讲解2:带你学透01背包问题(滚动数组篇) | 从此对背包问题不再迷茫!
例子:
背包最大重量为4。
物品为:
重量 | 价值 | |
---|---|---|
物品0 | 1 | 15 |
物品1 | 3 | 20 |
物品2 | 4 | 30 |
二维数组:
动态规划五部曲:
1:确定dp数组以及下标含义:使用二维数组,两个维度分别表示物品和背包容量,纵向表示物品,横向表示背包容量:
dp[i][j]
表示从下标为[0-i]
的物品里任意取,放进容量为 j 的背包之后最大的价值总和。
2:确定递推公式:求取dp[i][j]
有两种情况,向背包中放入或者不放入物品 i,如果不放入物品 i,则当前情况下物品最大价值等于dp[i-1][j]
;如果放入物品 i,首先注意背包要留出物品 i 的容量,当前情况下物品最大价值等于dp[i - 1][j - weight[i]]+value[i]
。因此,递推公式为dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]]+value[i])
3:初始化数组:首先,背包容量为 0 时,背包价值一定为0,因此初始化dp[i][0] = 0
;由递推公式可知dp[i][j]
需要从dp[i-1][j]
进行推导,所以还要初始化i = 0
的情况,当j < weight[i]
时,初始化dp[0][j] = 0
,j > weight[i]
时,初始化dp[0][j] = value[i]
。其余下标的值最终都会被递推结果覆盖,所以初始化为任意值都可以。最终初始化情况如下:
4:确定遍历顺序:由递归公式可知dp[i][j]
由其左上角和正上方的两个下标决定,所以从左往右,从上往下遍历即可,选择先遍历物品,后遍历背包容量或者相反顺序都可以。
5:举例推导:
滚动数组:
在二维数组遍历时可以将每一层的结果拷贝到下一层之中,然后递推公式也可以只在本层进行,等效于只使用了一个滚动数组保存结果。
动态规划五部曲:
1:确定dp数组以及下标含义:dp[j]
表示容量为 j 的背包可以放入的最大的物品价值。
2:确定递推公式:dp[j] = max(dp[j], dp[j - weight[i]] + value[i])
,即在二维数组的公式基础上去掉 i 维度。
3:初始化数组:由于物品价值都大于0,为了不让初始值覆盖掉 dp 数组的取值,全部初始化为 0 即可。
4:确定遍历顺序:遍历时背包容量从大到小,为了保证每一个物品都只会被放入背包一次,如果使用正序遍历,每个物品都会被重复放入背包多次,可以写出正序遍历代码自己测试。
5:举例推导:
题解
二维数组:
import java.util.*;
public class Main {
public static void main(String[] args) {
Scanner scanner = new Scanner(System.in);
int M = scanner.nextInt(); // 研究材料的种类
int N = scanner.nextInt(); // 行李空间
int[] weight = new int[M]; // 每种研究材料所占空间
int[] value = new int[M]; // 每种研究材料的价值
for (int i = 0; i < M; i++) {
weight[i] = scanner.nextInt();
}
for (int i = 0; i < M; i++) {
value[i] = scanner.nextInt();
}
scanner.close();
int[][] dp = new int[M][N + 1];
//初始化dp数组
for (int i = 0; i < M; i++) {
dp[i][0] = 0;
}
for (int i = weight[0]; i < N + 1; i++) {
dp[0][i] = value[0];
}
//从左到右,从上到下遍历
for (int i = 1; i < M; i++) {
for (int j = 1; j < N + 1; j++) {
if (j - weight[i] >= 0) {
dp[i][j] = Math.max(dp[i - 1][j - weight[i]] + value[i], dp[i - 1][j]);
} else {
dp[i][j] = dp[i - 1][j];
}
}
}
System.out.println(dp[M - 1][N]);
}
}
滚动数组:
import java.util.*;
public class Main {
public static void main(String[] args) {
Scanner scanner = new Scanner(System.in);
int M = scanner.nextInt(); // 研究材料的种类
int N = scanner.nextInt(); // 行李空间
int[] weight = new int[M]; // 每种研究材料所占空间
int[] value = new int[M]; // 每种研究材料的价值
for (int i = 0; i < M; i++) {
weight[i] = scanner.nextInt();
}
for (int i = 0; i < M; i++) {
value[i] = scanner.nextInt();
}
scanner.close();
int[] dp = new int[N + 1];
for (int i = 0; i < M; i++) {
for (int j = N; j > 0; j--) {
if (j - weight[i] >= 0) {
dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
}
}
}
System.out.println(dp[N]);
}
}
416. 分割等和子集
题目
给你一个 只包含正整数 的 非空 数组 nums
。请你判断是否可以将这个数组分割成两个子集,使得两个子集的元素和相等。
示例 1:
输入:nums = [1,5,11,5]
输出:true
解释:数组可以分割成 [1, 5, 5] 和 [11] 。
示例 2:
输入:nums = [1,2,3,5]
输出:false
解释:数组不能分割成两个元素和相等的子集。
提示:
1 <= nums.length <= 200
1 <= nums[i] <= 100
思路
确定以下四点后才能在本题套用01背包模板:
- 背包的体积为 sum / 2
- 背包要放入的商品(集合里的元素)重量为元素的数值,价值也为元素的数值
- 背包如果正好装满,说明找到了总和为 sum / 2 的子集。
- 背包中的每一个元素都不可重复放入。
动态规划五部曲:
- 确定dp数组以及下标的含义:
dp[j]
表示容量为 j 的背包能放的最大物品价值,当dp[target] = target
时,说明可以进行分割。 - 确定递推公式:套用01背包递推公式,
dp[j] = max(dp[j], dp[j - nums[i]] + nums[i])
。 - 初始化数组:数组元素全都初始化为0。
- 确定遍历顺序:遍历物品的 for 循环放在外层,遍历背包的 for 循环放在内层,且内层 for 循环倒序遍历。
- 举例推导:
题解
class Solution {
public boolean canPartition(int[] nums) {
int sum = 0;
for (int i : nums)
sum += i;
if (sum % 2 == 1)
return false;
int target = sum / 2;
int[] dp = new int[target + 1];
for (int i = 0; i < nums.length; i++) {
for (int j = target; j > 0; j--) {
if (j >= nums[i]) {
dp[j] = Math.max(dp[j], dp[j - nums[i]] + nums[i]);
}
if (dp[target] == sum / 2)
return true;
}
}
return false;
}
}
0; j–) {
if (j >= nums[i]) {
dp[j] = Math.max(dp[j], dp[j - nums[i]] + nums[i]);
}
if (dp[target] == sum / 2)
return true;
}
}
return false;
}
}
标签:背包,weight,Day39,46,nums,随想录,int,数组,dp
From: https://blog.csdn.net/jiabao0520/article/details/143114790