代码随想录day36|| 1049最后一块石头的重量 494目标和 474一和零

1049最后一块石头的重量

力扣题目链接

题目描述：

有一堆石头，用整数数组 stones 表示。其中 stones[i] 表示第 i 块石头的重量。

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。

示例 1：

输入：stones = [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。

示例 2：

输入：stones = [31,26,33,21,40]
输出：5

转换成01背包问题

本题其实就是尽量让石头分成重量相同的两堆，相撞之后剩下的石头最小，这样就化解成01背包问题了。

代码：

class Solution {  
public:  
    int lastStoneWeightII(vector<int>& stones) {  
        int sum = 0;  
        // 计算所有石头重量的总和  
        for(int i : stones) {  
            sum += i;  
        }  
        // 创建大小为总重量一半的数组，初始化为0  
        vector<int> dp(sum / 2 + 1, 0);  
        // 遍历stones数组  
        for(int i = 0; i < stones.size(); i++) {  
            // 从最大重量开始向下遍历，确保每个石头只被使用一次  
            for(int j = sum / 2; j >= stones[i]; j--) {  
                // 更新动态规划数组，选择是否放入当前石头，取较大值  
                dp[j] = max(dp[j], dp[j - stones[i]] + stones[i]);  
            }  
        }  
        // 返回最小剩余石头重量（总重量-两倍的最优子集重量）  
        return sum - 2 * dp[sum / 2];  
    }  
};  

 

1. 确定 dp 数组以及下标以及对应值的含义

   • dp[j] 表示在总重量不超过 j 的情况下可以达到的最大重量。
   • 这是一个典型的背包问题（0-1背包）。我们试图找到一个子集，使得其重量尽可能接近总重量的一半。

2. 确定递推公式

   • 对于每个石头 stones[i]，在遍历到它时，我们需要判断将其加入新的背包是否能获得更优解：

                  dp[j]=max(dp[j],dp[j−stones[i]]+stones[i])

• 这是因为我们希望在不超过容量 j 的情况下，获得最大可能的重量。

1. 3，dp数组如何初始化

   • 初始化为 0 的原因是，当容量为 0 时，能拿到的最大重量当然是 0。
   • 整个 dp 数组初始化为 0，因为在任何情况下，如未加入任何石头，所能达到的最大重量为 0。

2. 4，确定遍历顺序

   • 外层循环遍历石头数组 stones，这是为了考虑每块石头只被使用一次。
   • 内层循环从 sum/2 到 stones[i] 递减，以避免同一个石头被多次选取（类似倒序更新背包容量）。

3. 5，举例推导 dp 数组

   • 假设 stones = [2, 7, 4, 1, 8, 1]。
   • 总重量 sum = 23，我们要在 sum/2 = 11 的容量限制内找到最大重量。
   • 我们逐块石头进行更新，比如：
     • dp[11]...dp[2] 在第一个石头 2 后更新为，dp[j] = max(dp[j], dp[j-2]+2)
     • 像这样逐步更新，最终 dp 数组会包含最大不超过各个容量的重量。
   • 最终在 dp[23/2] 中的值即为接近 11 的最大可能值。
   • 结果即为 sum - 2 * dp[sum / 2] = 23 - 2 * dp[11]，这是剩余石头的最小重量。

 494目标和

力扣题目链接

题目描述：

给你一个非负整数数组 nums 和一个整数 target 。

向数组中的每个整数前添加 '+' 或 '-' ，然后串联起所有整数，可以构造一个 表达式 ：

• 例如，nums = [2, 1] ，可以在 2 之前添加 '+' ，在 1 之前添加 '-' ，然后串联起来得到表达式 "+2-1" 。

返回可以通过上述方法构造的、运算结果等于 target 的不同 表达式 的数目。

示例 1：

输入：nums = [1,1,1,1,1], target = 3
输出：5
解释：一共有 5 种方法让最终目标和为 3 。
-1 + 1 + 1 + 1 + 1 = 3
+1 - 1 + 1 + 1 + 1 = 3
+1 + 1 - 1 + 1 + 1 = 3
+1 + 1 + 1 - 1 + 1 = 3
+1 + 1 + 1 + 1 - 1 = 3

示例 2：

输入：nums = [1], target = 1
输出：1

转换成01背包问题：
 

如何转化为01背包问题呢。

假设加法的总和为x，那么减法对应的总和就是sum - x。

所以我们要求的是 x - (sum - x) = target

x = (target + sum) / 2

此时问题就转化为，装满容量为x的背包，有几种方法。

这里的x，就是bagSize，也就是我们后面要求的背包容量。

大家看到(target + sum) / 2 应该担心计算的过程中向下取整有没有影响。

这么担心就对了，例如sum是5，target是2 的话其实就是无解的

1. 确定递推公式

有哪些来源可以推出dp[j]呢？

只要搞到nums[i]，凑成dp[j]就有dp[j - nums[i]] 种方法。

例如：dp[j]，j 为5，

• 已经有一个1（nums[i]） 的话，有 dp[4]种方法 凑成 容量为5的背包。
• 已经有一个2（nums[i]） 的话，有 dp[3]种方法 凑成 容量为5的背包。
• 已经有一个3（nums[i]） 的话，有 dp[2]种方法 凑成 容量为5的背包
• 已经有一个4（nums[i]） 的话，有 dp[1]种方法 凑成 容量为5的背包
• 已经有一个5 （nums[i]）的话，有 dp[0]种方法 凑成 容量为5的背包

那么凑整dp[5]有多少方法呢，也就是把 所有的 dp[j - nums[i]] 累加起来。

所以求组合类问题的公式，都是类似这种：

dp[j] += dp[j - nums[i]]

class Solution {  
public:  
    int findTargetSumWays(vector<int>& nums, int target) {  
        int sum = 0;  
        // 计算数组的总和  
        for(int i : nums) {  
            sum += i;  
        }  
        // 检查是否有可能得到目标和  
        // (sum + target) 应该是偶数，否则无法分成两个整数(无解)  
        if ((sum + target) % 2 == 1) return 0;  
        // 目标值的绝对值不能超过数组总和，否则无解  
        if (abs(target) > sum) return 0;  
        
        // 计算正数的和应该是多少  
        int x = (sum + target) / 2;  
        
        // dp[j] 表示正数和为 j 的子集数量  
        vector<int> dp(x + 1, 0);  
        // 和为0只有1种方法，就是选0个数  
        dp[0] = 1;  
        
        // 遍历每个元素  
        for(int i = 0; i < nums.size(); i++) {  
            // 倒序遍历以保证每个数字只被使用一次  
            for(int j = x; j >= nums[i]; j--) {  
                // 状态转移方程  
                dp[j] += dp[j - nums[i]];  
            }  
        }  
        
        return dp[x];  
    }  
};  

 

1. 确定 dp 数组以及下标以及对应值的含义

   • dp[j] 表示从数组中选取一些数字，使得这些数字的和为 j 的不同选法的数量。
   • 通过将问题转化为找到子集和为 (sum + target) / 2 的个数，来实现。

2. 确定递推公式

   • dp[j] = dp[j] + dp[j - nums[i]]
   • 意味着：当前的和 j 的种类数等于不选择 nums[i] 形成 j 的种类数，加上选择 nums[i] 形成 j 的种类数。

3. dp数组如何初始化

   • dp[0] = 1 初始化，因为没有数的时候对0这个和来说是一种方法（即什么都不选）。

4. 确定遍历顺序

   • 外层循环遍历每一个数字，内层循环逆序遍历当前可能达成的和，从高到低的顺序来防止使用重复的数字。
   • 内层循环倒序是典型的0-1背包问题的处理方式，以确保每个元素只使用一次。

5. 举例推导 dp 数组

   • 假设 nums = [1, 1, 1, 1, 1]，target = 3。
   • 总和 sum = 5，目标 x = (5 + 3) / 2 = 4。
   • 初始 dp 状态：dp[0] = 1, 其余为 0。
   • 处理第一个 1：dp[1] = 1。
   • 处理第二个 1：dp[2] = 1。
   • 继续此过程，每次逐渐将 dp 数组元素更新为某个和的种类数。
   • 最后 dp[4] 即为可以达成的种类方式数量（即为 findTargetSumWays 方法的返回值）

474一和零

力扣题目链接

题目描述;

给你一个二进制字符串数组 strs 和两个整数 m 和 n 。

请你找出并返回 strs 的最大子集的长度，该子集中 最多 有 m 个 0 和 n 个 1 。

如果 x 的所有元素也是 y 的元素，集合 x 是集合 y 的 子集 。

示例 1：

输入：strs = ["10", "0001", "111001", "1", "0"], m = 5, n = 3
输出：4
解释：最多有 5 个 0 和 3 个 1 的最大子集是 {"10","0001","1","0"} ，因此答案是 4 。
其他满足题意但较小的子集包括 {"0001","1"} 和 {"10","1","0"} 。{"111001"} 不满足题意，因为它含 4 个 1 ，大于 n 的值 3 。

示例 2：

输入：strs = ["10", "0", "1"], m = 1, n = 1
输出：2
解释：最大的子集是 {"0", "1"} ，所以答案是 2 。

class Solution {  
public:  
    int findMaxForm(vector<string>& strs, int m, int n) {  
        // dp[i][j] 表示最多有 i 个 0 和 j 个 1 的情况下，可以得到的最大子集长度  
        vector<vector<int>> dp(m+1, vector<int>(n+1, 0));  
        
        // 遍历每个字符串  
        for(auto str : strs) {  
            int zeroNum = 0, oneNum = 0; // 初始化0和1的计数  
            
            // 计算每个字符串中0和1的个数  
            for(char s : str) {  
                if(s == '0') {  
                    zeroNum++;  
                } else {  
                    oneNum++;  
                }  
            }  
            
            // 从后向前遍历，以避免更新后对前面的结果产生影响  
            for(int i = m; i >= zeroNum; i--) {  
                for(int j = n; j >= oneNum; j--) {  
                    // 选择 or 不选择当前字符串，取两者中的最大值  
                    dp[i][j] = max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1);  
                }  
            }  
        }  
        // 返回最终的最大子集长度  
        return dp[m][n];  
    }  
};  

1. 确定 dp 数组以及下标以及对应值的含义

   • dp[i][j] 表示在0的个数不超过 i 个，1的个数不超过 j 个的情况下，可以得到的字符串子集的最大长度。
   • 该二维数组的本质是存储满足条件的最大子集的长度。

2. 确定递推公式

   • 对于每个字符串，我们可以选择使用或不使用：

dp[i][j]=max⁡(dp[i][j],dp[i−zeroNum][j−oneNum]+1)

• 选择时：如果当前字符串符合剩余的 0 和 1 的预算，则使用，并更新 dp[i][j]。
• 不选择时：保持 dp[i][j] 不变。

1. dp数组如何初始化

   • dp[i][j] 初始化为 0，因为任何情况下没有字符串子集时，子集长度为 0。

2. 确定遍历顺序

   • 使用倒序遍历 0 和 1 的个数（即 i 和 j），因为我们需要根据之前计算的 dp 值来更新当前状态。
   • 这种顺序确保在处理某个字符串时，不会影响到已经计算完的上一个状态。

3. 举例推导 dp 数组

   • 假设 strs = ["10", "0001", "111001", "1", "0"], m = 5, n = 3。
   • 初始 dp[0][0] = 0 for all i, j。
   • 处理 "10" 时，zeroNum = 1, oneNum = 1：
     • 更新 dp[i][j], 即 dp[5][3], dp[4][3], ..., dp[1][1]。
   • 处理 "0001" 时，zeroNum = 3, oneNum = 1：
     • 更新符合条件的部分，尝试用内循环更新可能的 dp[i][j]。
   • 持续更新 dp 数组，直到全部字符串处理完毕。
   • 最终 dp[m][n] 即为包含最多 m 个 0 和 n 个 1 的最大子集长度。