LeetCode-- Daily -- 动态规划 --背包问题

LeetCode-- Daily – 动态规划 --背包问题

416.分割等和子集（0-1背包）

AC代码 1 (普通动态规划流程)：

class Solution {
public:
    bool canPartition1(vector<int>& nums) {
		int n = nums.size(), sum_nums = accumulate(nums.begin(), nums.end(), 0);
		if (sum_nums % 2) return false;
		sum_nums = sum_nums / 2;
		vector<vector<int>> dp(n+1 , vector<int>(sum_nums + 1, false));
		dp[0][0] = true;
		for (int i = 1; i <= n; i++) {
			for (int j = 0; j <= sum_nums; j++) {
				if (nums[i - 1] <= j)
					dp[i][j]  = dp[i-1][j] || dp[i - 1][j - nums[i-1]];
				else dp[i][j] = dp[i-1][j];
				//cout<<dp[i][j]<<" " ;
			}
			//cout << endl;
		}
		return dp[n][sum_nums];
	}
};

AC代码 2 (压缩空间)：

class Solution {
public:
  	 bool canPartition(vector<int>& nums) {
		int n = nums.size(), sum_nums = accumulate(nums.begin(), nums.end(), 0);
		if (sum_nums % 2) return false;
		sum_nums = sum_nums / 2;
		vector<int> dp(sum_nums + 1, false);
		dp[0] = true;
		for (int i = 1; i <= n; i++) {
			for (int j = sum_nums;  nums[i - 1] <= j; j--) {
					dp[j]  = dp[j] || dp[j - nums[i-1]];
			}
		}
		return dp[sum_nums];
	}
};

解题思路总结：

1. ** dp矩阵的含义* *：dp[i][j]: num[0：i-1]是否能满足背包装下j的物品
2. **递推公式**：两种情况 -- 放入背包 和 不放入背包
           能放入背包：  放入num[i-1]前的dp值（即dp[i-1][j-nums[i]]） ||   num[0：i-2]是否能满足j的背包容量（dp[i-1][j]）
            不能放入背包：num[0：i-2]是否能满足j的背包容量（dp[i-1][j]）
3. **循环位置的确定**：为什么 j 从0开始：保证dp[ : ][0]都是True，因为dp向前回溯时会用到左上的值，如果想从1开始，可以在dp初始化时改变第一列的值。
4. **使用压缩空间的方法时**：相当于在构建dp矩阵时忽略物品的维度， 且循环顺序改为倒序（避免是重复放入），循环的停止条件直接选用循环内的截至条件，减少了代码量。

474.一和零（0-1背包）

class Solution {
public:
    int findMaxForm(vector<string>& strs, int m, int n) {
        vector<vector<int>> dp(m+1,vector<int>(n+1,0));
        int count1=0,count0=0;
        for(const string &str :strs){
            count0 =0,count1=0;
            for(const char & c :str){
                if (c=='1') count1++;
                else count0++;
            }
            for(int i=m;i>=count0;i--){
                for(int j=n;j>=count1;j--){
                    dp[i][j] = max(dp[i][j],1+dp[i-count0][j-count1]);
                }
            }
        }
        return dp[m][n];
    }
};

解题思路总结：

0. 此题目有三个变量，之前一直是背包1维，物品一维，现在背包成了二维（ m 个1以及 n 个0），如果普通的套路需要将dp矩阵初始化成三维，相对麻烦，因此将dp矩阵初始化为m*n的，相当于从3维数组压缩空间至2维数组。
1. dp的含义 ：dp[i][j]：最多有i个0和j个1的strs的最大子集的大小为dp[i][j]。
2. 递推公式 ：dp[i][j] = max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1);
            加入物品前的dp状态+1 和 本身的状态取最大值
3. 物品1维，背包2维，如果要使用二维的dp，则需要压缩空间，将背包的size作为dp的大小，且初始化为0即可
4. 循环顺序：压缩空间则是倒序。