模板题
46. 携带研究材料
思路分析:
动态规划思路如下:
- dp[i][j] 表示::从前 i 个物品中挑选,总体积不超过 j ,所有选法中,能挑出来的最大价值
- 分情况讨论状态转移方程怎么写:
- 不放物品i: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]。
- 放物品i: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
- 递推公式: dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
- 初始化:
- 可以物品序号从1开始,而0行0列都初始化为0即可,返回第
- 遍历顺序:从上到下,有两个遍历的维度:物品与背包容量,先遍历谁都可以,两个for循环遍历的次序不同,但是因为dp[i][j]所需要的数据就是左上角,所以根本不影响dp[i][j]公式的推导
代码:二维数组
#include <bits/stdc++.h>
using namespace std;
int main() {
int M, N;
cin >> M >> N;
vector<int> weight(M + 1, 0);
vector<int> value(M + 1, 0);
for (int i = 1; i <= M; i++) cin >> weight[i];
for (int i = 1; i <= M; i++) cin >> value[i];
vector<vector<int>> dp(M + 1, vector<int>(N + 1, 0));
for (int i = 1; i < M + 1; i++) {
for (int j = 1; j < N + 1; j++) {
if (j - weight[i] < 0)
dp[i][j] = dp[i - 1][j];
else {
dp[i][j] =
max(dp[i - 1][j], value[i] + dp[i - 1][j - weight[i]]);
}
}
}
cout << dp[M][N];
return 0;
}
代码:一维数组(滚动数组)
把dp[i - 1]这一层拷贝到dp[i]上,不如只用一个一维数组了,只用dp[j]
只不过遍历顺序改变:倒序遍历
只需将二维的代码修改删掉一个维度,然后遍历j从后向前
两个嵌套for循环的顺序,代码中是先遍历物品嵌套遍历背包容量,不可以先遍历背包容量嵌套遍历物品
#include <bits/stdc++.h>
using namespace std;
int main() {
int M, N;
cin >> M >> N;
vector<int> weight(M + 1, 0);
vector<int> value(M + 1, 0);
for (int i = 1; i <= M; i++) cin >> weight[i];
for (int i = 1; i <= M; i++) cin >> value[i];
vector<int> dp(N + 1, 0);
for (int i = 1; i < M + 1; i++) {
for (int j = N; j >= weight[i]; j--) {
dp[j] = max(dp[j], value[i] + dp[j - weight[i]]);
}
}
cout << dp[N];
return 0;
}
DP41 【模板】01背包
思路分析
第一问和上一题方法一模一样,第二问只需在第一问思路基础上简单修改即可
- 第二问:dp[i][j] 表示::从前 i 个物品中挑选,总体积正好等于 j ,所有选法中,能挑出来的最大价值
- 递推公式:dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - v[i]] + w[i]);
- 初始化dp[0][j] = -1;第0行从第1个开始都为-1,(dp[0][0]为0)
tips:dp[i][j] == -1表示没有这种情况,所以在for循环里要有限制条件
代码:二维数组
#include <bits/stdc++.h>
using namespace std;
const int N = 1010;
int n, V, v[N], w[N];
int dp[N][N];
int main() {
cin >> n >> V;
for (int i = 1; i <= n; i++) {
cin >> v[i] >> w[i];
}
for (int i = 1; i <= n; i++) {
for (int j = 1; j <= V; j++) {
dp[i][j] = dp[i - 1][j];
if (j - v[i] >= 0) {
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - v[i]] + w[i]);
}
}
}
cout << dp[n][V] << endl;
memset(dp, 0, sizeof dp);//回答第二问前清空dp
for (int j = 1; j <= V; j++)
dp[0][j] = -1;
for (int i = 1; i <= n; i++) {
for (int j = 1; j <= V; j++) {
dp[i][j] = dp[i - 1][j];
if (j - v[i] >= 0 && dp[i - 1][j - v[i]] != -1) {
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - v[i]] + w[i]);
}
}
}
cout << (dp[n][V] == -1 ? 0 : dp[n][V]) << endl;
return 0;
}
代码:一维数组(滚动数组)
#include <bits/stdc++.h>
using namespace std;
const int N = 1010;
int n, V, v[N], w[N];
int dp[N];
int main() {
cin >> n >> V;
for (int i = 1; i <= n; i++) {
cin >> v[i] >> w[i];
}
for (int i = 1; i <= n; i++) {
for (int j = V; j >= v[i]; j--) {
dp[j] = max(dp[j], dp[j - v[i]] + w[i]);
}
}
cout << dp[V] << endl;
memset(dp, 0, sizeof dp);
for (int j = 1; j <= V; j++)
dp[j] = -1;
for (int i = 1; i <= n; i++) {
for (int j = V; j >= v[i]; j--) {
if (dp[j - v[i]] != -1) {
dp[j] = max(dp[j], dp[j - v[i]] + w[i]);
}
}
}
cout << (dp[V] == -1 ? 0 : dp[V]) << endl;
return 0;
}
练习题
416. 分割等和子集
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,如果正好装满,说明找到了总和为 sum / 2 的子集。同时背包中每一个元素是不可重复放入。
dp[i]中的i表示背包内总和
题目中说:每个数组中的元素不会超过 100,数组的大小不会超过 200 总和不会大于20000,背包最大只需要其中一半,所以10001大小就可以
- dp[j]表示 背包总容量(所能装的总重量)是j,放进物品后,背的最大重量为dp[j]。
- 递推公式:dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);
- 初始化dp[0]一定是0
- 如果使用一维dp数组,物品遍历的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
代码:一维数组(滚动数组)
class Solution {
public:
bool canPartition(vector<int>& nums) {
int sum = 0;
vector<int> dp(10001, 0);
for (int i = 0; i < nums.size(); i++) sum += nums[i];
if (sum % 2 == 1) return false;
int target = sum / 2;
for (int i = 0; i < nums.size(); i++) {
for (int j = target; j >= nums[i]; j--) {
dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);
}
}
if (dp[target] == target) return true;
return false;
}
};
494. 目标和
先将问题转化成我们熟悉的题型
设我们最终选取的结果中,前面加 + 号的数字之和为 a ,前面加 - 号的数字之和为 b ,整个数组
的总和为 sum ,于是我们有:
- a + b = sum
- a - b = target
上面两个式子消去 b 之后,可以得到 a = (sum + target) / 2
也就是说,我们仅需在 nums 数组中选择一些数,将它们凑成和为 (sum + target) / 2 即可。
由于多开一行一列,所以两个for循环里用原数组时候记得下标的映射关系
代码:二维数组
class Solution {
public:
int findTargetSumWays(vector<int>& nums, int target) {
int sum = 0;
for (int x : nums) sum += x;
int aim = (sum + target) / 2;
if (aim < 0 || (sum + target) % 2) return 0;
int n = nums.size();
vector<vector<int>> dp(n + 1, vector<int>(aim + 1, 0));
dp[0][0] = 1; // 只需初始化这个位置
// dp表示前i个数里选,总和正好等于j,有多少种选法
for (int i = 1; i <= n; i++) {
for (int j = 0; j <= aim; j++) {
dp[i][j] = dp[i - 1][j];
if (j >= nums[i - 1])
dp[i][j] += dp[i - 1][j - nums[i - 1]];
}
}
return dp[n][aim];
}
};
代码:一维数组(滚动数组)
class Solution {
public:
int findTargetSumWays(vector<int>& nums, int target) {
int sum = 0;
for (int x : nums) sum += x;
int aim = (sum + target) / 2;
if (aim < 0 || (sum + target) % 2) return 0;
int n = nums.size();
vector<int> dp(aim + 1, 0);
dp[0] = 1; // 只需初始化这个位置
for (int i = 1; i <= n; i++) {
for (int j = aim; j >= nums[i - 1]; j--) {
dp[j] += dp[j - nums[i - 1]];
}
}
return dp[aim];
}
};
1049. 最后一块石头的重量 II
先将问题转化成我们熟悉的题型
- 任意两块石头在一起粉碎,重量相同的部分会被丢掉,重量有差异的部分会被留下来。那就
相当于在原始的数据的前面,加上「加号」或者「减号」,是最终的结果最小即可。也就是
说把原始的石头分成两部分,两部分的和越接近越好。 - 又因为当所有元素的和固定时,分成的两部分越接近数组「总和的一半」,两者的差越小。
因此问题就变成了:在数组中选择一些数,让这些数的和尽量接近 sum / 2 ,如果把数看成物
品,每个数的值看成体积和价值,问题就变成了「01背包问题」。
- 状态表示dp[i][j] 表示在前 i 个元素中选择,总和不超过 j ,此时所有元素的 最大和
- 递推公式和「01背包一样」
- 初始化:由于需要用到上一行的数据,因此我们可以先把第一行初始化。
由于多开一行一列,所以两个for循环里用原数组时候记得下标的映射关系
第一行表示「没有石子」。因此想凑成目标和 j ,最大和都是 0 - 返回值:
a. 根据dp,先找到最接近 sum / 2 的最大和 dp[n][sum / 2] ;
b. 因为我们要的是两堆石子的差,因此返回 sum - 2 * dp[n][sum / 2] 即可
代码:二维数组
class Solution {
public:
int lastStoneWeightII(vector<int>& stones) {
int sum = 0;
for (int x : stones) sum += x;
int n = stones.size();
vector<vector<int>> dp(n + 1, vector<int>(sum / 2 + 1, 0));
for (int i = 1; i <= n; i++) {
for (int j = 0; j <= sum / 2; j++) {
dp[i][j] = dp[i - 1][j];
if (j >= stones[i - 1])
dp[i][j] = max(dp[i][j], dp[i - 1][j - stones[i - 1]] + stones[i - 1]);
}
}
return sum - 2 * dp[n][sum / 2];
}
};
代码:一维数组(滚动数组)
class Solution {
public:
int lastStoneWeightII(vector<int>& stones) {
int sum = 0;
for (int x : stones) sum += x;
int n = stones.size();
vector<int> dp(sum / 2 + 1, 0);
for (int i = 1; i <= n; i++) {
for (int j = sum / 2; j >= stones[i - 1]; j--) {
dp[j] = max(dp[j], dp[j - stones[i - 1]] + stones[i - 1]);
}
}
return sum - 2 * dp[sum / 2];
}
};
474. 一和零
m 和 n相当于是一个背包,两个维度的背包
dp[i][j][k] 表示:从前 i 个字符串中挑选,字符 0 的个数不超过 j ,字符 1 的个数不超过 k ,所有的选法中,最大的⻓度。
代码:三维数组
class Solution {
public:
int findMaxForm(vector<string>& strs, int m, int n) {
int len = strs.size();
vector<vector<vector<int>>> dp(len + 1, vector<vector<int>>(m + 1, vector<int>(n + 1, 0)));
for (int i = 1; i <= len; i++) {
int a = 0, b = 0;
for (auto ch : strs[i - 1]) {
if (ch == '0') a++;
else b++;
}
for (int j = 0; j <= m; j++) {
for (int k = 0; k <= n ; k++) {
dp[i][j][k] = dp[i - 1][j][k];
if (j >= a && k >= b)
dp[i][j][k] = max(dp[i][j][k], dp[i - 1][j - a][k - b] + 1);
}
}
}
return dp[len][m][n];
}
};
代码:二维数组(滚动数组)
class Solution {
public:
int findMaxForm(vector<string>& strs, int m, int n) {
int len = strs.size();
vector<vector<int>> dp(m + 1, vector<int>(n + 1, 0));
for (int i = 1; i <= len; i++) {
int a = 0, b = 0;
for (auto ch : strs[i - 1]) {
if (ch == '0') a++;
else b++;
}
for (int j = m; j >= a; j--) {
for (int k = n; k >= b; k--) {
dp[j][k] = max(dp[j][k], dp[j - a][k - b] + 1);
}
}
}
return dp[m][n];
}
};