目录
- 0、背包问题基础
- 01背包
- 46. 携带研究材料(01背包)
- 1、题目描述
- 2、思路
- 3、code(二维解法)
- 3-1、code(一维解法)
- 4、复杂度分析
- 416. 分割等和子集
- 1、题目描述
- 2、思路
- 3、code
- 4、复杂度分析
0、背包问题基础
01背包
有n件物品和一个最多能背重量为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
46. 携带研究材料(01背包)
题目链接:
1、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。
2、思路
非常标准的01背包问题
3、code(二维解法)
M, N = map(int, input().split())
weight = list(map(int, input().split()))
value = list(map(int, input().split()))
# 横坐标是材料,纵坐标是行李容量
dp = [[0 for _ in range(N+1)] for _ in range(M)]
# 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
for i in range(0,M):
dp[i][0] = 0
for j in range(1,N+1):
if weight[0]<=j:
dp[0][j] = value[0]
for i in range(0,M):
for j in range(1,N+1):
if j < weight[i]:
dp[i][j] = dp[i-1][j]
else:
dp[i][j] = max(dp[i-1][j],dp[i-1][j-weight[i]]+value[i])
print(dp[M-1][N])
3-1、code(一维解法)
M, N = map(int, input().split())
# M = 3 N = 2
weight = list(map(int, input().split()))
value = list(map(int, input().split()))
# dp[j]代表行李空间为j能够携带的研究材料的最大值 j = 0 1 2
dp = [0] * (N+1)
# print(dp)
for i in range(0,M): # 0 1 2
for j in range(N,weight[i]-1,-1): # 2
dp[j] = max(dp[j],dp[j-weight[i]]+value[i])
# dp[2] = max(dp[2],dp[2-2] +...)
print(dp[N])
4、复杂度分析
1️⃣ 时间复杂度:
O
(
M
×
N
)
O(M \times N)
O(M×N)
2️⃣ 空间复杂度:
O
(
M
×
N
)
O(M \times N)
O(M×N)
416. 分割等和子集
题目链接:link
1、题目描述
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。
2、思路
把01背包问题套到本题上来。
- 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。
- 背包中每一个元素是不可重复放入。
3、code
class Solution:
def canPartition(self, nums: List[int]) -> bool:
# 物品重量为数值,价值为数值
# 背包容量为总和的一半
# 背包装满时获得的最大价值
# 本体就是装满时(总和的一半)物品的数值和是否和背包容量一致
if sum(nums) % 2 != 0:
return False
target = sum(nums) // 2
# target = 11
# dp[j]代表背包容量为j装的最大价值,j:0,1,2,,,,11
dp = [0] * (target + 1)
for i in range(len(nums)): # 物品从0,1,2,3
for j in range(target,nums[i]-1,-1): # 容量从11,,,,weight[0]
dp[j] = max(dp[j],dp[j-nums[i]]+nums[i])
if dp[target] == target:
return True
else:
return False
4、复杂度分析
1️⃣ 时间复杂度:
O
(
n
2
)
O(n^2)
O(n2)
2️⃣ 空间复杂度:
O
(
n
)
O(n)
O(n)