我在代码随想录|写代码Day35 | 动态规划| 01背包理论基础, 分割等和子集, 最后一块石头的重量II, 目标和

在这里插入图片描述

🔥博客介绍`: 27dCnc

🎥系列专栏: <<数据结构与算法>> << 算法入门>> << C++项目>>

🎥 当前专栏: <<数据结构与算法>>

专题 : 数据结构帮助小白快速入门算法
👍👍👍👍👍👍👍👍👍👍👍👍
☆*: .。. o(≧▽≦)o .。.:*☆

❤️感谢大家点赞👍收藏⭐评论✍️

在这里插入图片描述

学习目标:

今日学习打卡

在这里插入图片描述

  • 代码随想录 - 动态规划

学习时间:

  • 周一至周五晚上 7 点—晚上9点
  • 周六上午 9 点-上午 11 点
  • 周日下午 3 点-下午 6 点

学习内容:

  1. 01背包理论基础
  2. 分割等和子集
  3. 最后一块石头的重量II
  4. 目标和

内容详细:

01背包理论基础

背包问题,也称背包问题,是经典的动态规划问题。

按照我个人理解: 01背包是有限的空间存放最大的价值, 有限的物品与,空间一定的背包,考察动态规划的转移过程,往往这种题目是要从最小的情况推到当前的情况

例题: 01背包问题

N N N 件物品和一个容量是 V V V 的背包。每件物品只能使用一次。

i i i 件物品的体积是 v i v_i vi,价值是 w i w_i wi

求解将哪些物品装入背包,可使这些物品的总体积不超过背包容量,且总价值最大。
输出最大价值。

输入格式

第一行两个整数,N,V,用空格隔开,分别表示物品数量和背包容积。

接下来有 N行,每行两个整数 v i , w i v_i,w_i vi,wi,用空格隔开,分别表示第 i 件物品的体积和价值。

输出格式
输出一个整数,表示最大价值。

数据范围

0 < N 0 < N 0<N, V ≤ 1000 V≤1000 V1000

0 < v i 0 < v_i 0<vi, w i ≤ 1000 w_i ≤ 1000 wi1000

样例输入

4 5
1 2
2 4
3 4
4 5

输出样例:

8

代码

#include <bits/stdc++.h>
#define ll long long
#define endl '\n'
using namespace std;

ll dp[1001][1001];

void solve() {
    int n, t;
    cin >> n >> t;
    for(int i = 1; i <= n; i++) {
        int w, v;
        std::cin >> w >> v;
        for (int j = 0; j <= t; j++) {
            if (j >= w) dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w] + v);
            else dp[i][j] = dp[i - 1][j];
        }
    }
    cout << dp[n][t] << endl;
}

int main(){
    int T = 1;
    for (int i = 1; i <= T; i++) solve();
}

分割等和子集

考点: 动态规划
在这里插入图片描述

代码

class Solution {
public:
    bool canPartition(vector<int>& nums) {
        int target = 0;
        for (auto i : nums) {
            target += i;
        }
        //不能将数据分为俩半,说明无法找到使得两个子集的元素和相等。
        if (target % 2 == 1) return false;
        target/=2;
        //确定dp数组涵义
        int dp[2*target];
        //初始化dp数组
        memset(dp,0,sizeof dp);
        //dp数组遍历
        for (int i = 1; i < nums.size(); i++) {
            for (int j = target; j >= nums[i]; j--) {
                dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);
            }
        }
        //判断返回值
        if ( dp[target] == target) return true;
        else return false;
    }
};

最后一块石头的重量II

考点: 动态规划

在这里插入图片描述

class Solution {
public:
    int lastStoneWeightII(vector<int>& stones) {
        int n = stones.size();
        int sum = 0;
        sort(stones.begin(),stones.end());
        vector<int>dp(15001,0);
        for (auto& x : stones) {
            sum += x;
        } 
        int ans = sum;
        sum /= 2;
        for (int i = 0; i < stones.size(); i++) {
            for (int j = sum;j >= stones[i]; j--) {
                dp[j] = max(dp[j],dp[j - stones[i]] + stones[i]);
            }
        }
        return ans - dp[sum] - dp[sum];
    }
};

目标和

考点: 动态规划

1
思考

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,S是2的话其实就是无解的

class Solution {
public:
    int lastStoneWeightII(vector<int>& stones) {
        int n = stones.size();
        int sum = 0;
        sort(stones.begin(),stones.end());
        vector<int>dp(15001,0);
        for (auto& x : stones) {
            sum += x;
        } 
        int ans = sum;
        sum /= 2;
        for (int i = 0; i < stones.size(); i++) {
            for (int j = sum;j >= stones[i]; j--) {
                dp[j] = max(dp[j],dp[j - stones[i]] + stones[i]);
            }
        }
        return ans - dp[sum] - dp[sum];
    }
};

学习产出:

  • 技术笔记 2 遍
  • CSDN 技术博客 3 篇
  • 习的 vlog 视频 1 个

重磅消息

算法交流群建立成功, 如果对算法感兴趣可以加入QQ群领取算法资料进行交流: 787936200

在这里插入图片描述

  • 10
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值