代码随想录算法训练营第五十天_第九章_动态规划 | 139.单词拆分、多重背包、背包问题总结

Jane_10358

已于 2023-03-24 23:53:23 修改

阅读量172

点赞数

文章标签：动态规划 leetcode

于 2023-01-25 22:14:12 首次发布

本文链接：https://blog.csdn.net/Jane_10358/article/details/128760401

版权

LeetCdoe 139.单词拆分

        给你一个非空字符串 s 和一个包含非空单词的列表 wordDict 作为字典。请你判断是否可以利用字典中出现的单词拼接出 s 。

注意：

        不要求字典中出现的单词全部都使用，并且字典中的单词可以 重复使用；

        字典中没有重复的单词。

视频讲解https://www.bilibili.com/video/BV1pd4y147Rh 文章讲解https://programmercarl.com/0139.%E5%8D%95%E8%AF%8D%E6%8B%86%E5%88%86.html

思路：
- 回溯：分割字符串s，每个子串都能在字典中找到👉true
- 动态规划：字典中的单词（物品）可以组成字符串s（装满背包）👉true
  - 物品可重复使用👉完全背包
  - dp[i]：长度为 i 的字符串(s 的前 i 个)能否被字典中的单词组成👉true / false
  - 递推公式：dp[j] == true 且子串[j, i) 出现在字典中👉dp[i] = true
  - 初始化：dp[0] = true；非零下标都为false
  - 遍历顺序：先背包后物品（排列数）
代码：

// 代码随想录
class Solution {
public:
    bool wordBreak(string s, vector<string>& wordDict) {
        unordered_set<string> wordSet(wordDict.begin(), wordDict.end());
        vector<bool> dp(s.size() + 1, false);
        dp[0] = true;
        for (int i = 1; i <= s.size(); i++) {   // 遍历背包
            for (int j = 0; j < i; j++) {       // 遍历物品
                string word = s.substr(j, i - j); //substr(起始位置，截取的个数)
                if (dp[j] && wordSet.find(word) != wordSet.end()) {
                    dp[i] = true;
                }
            }
        }
        return dp[s.size()];
    }
};
// 时间复杂度：O(n^3)，因为substr返回子串的副本是O(n)的复杂度（这里的n是substring的长度）
// 空间复杂度：O(n)

// 自己的
class Solution {
public:
    bool wordBreak(string s, vector<string>& wordDict) {
        // dp[i]:拼成的长度为i的字符串
        vector<string> dp(s.size() + 1, "");
        // 有顺序：先背包，后物品
        for (int i = 0; i <= s.size(); ++i) {
            for (int j = 0; j < wordDict.size(); ++j) {
                if (i >= wordDict[j].size()) {
                    string str = dp[i - wordDict[j].size()] + wordDict[j];
                    if (str > s) continue;
                    dp[i] = max(str, dp[i]);
                }
            }
        }
        if (dp[s.size()] == s) return true;
        return false;
    }
};

关于多重背包，你该了解这些！

有 N 种物品和一个容量为 V 的背包。第 i 种物品最多有 Mi 件可用，每件占据空间 Ci ，价值是Wi 。求解将哪些物品装入背包可使这些物品的耗费的空间总和不超过背包容量，且价值总和最大。

void test_multi_pack() {
    vector<int> weight = {1, 3, 4};
    vector<int> value = {15, 20, 30};
    vector<int> nums = {2, 3, 2};
    int bagWeight = 10;
    for (int i = 0; i < nums.size(); i++) {
        while (nums[i] > 1) { // nums[i]保留到1，把其他物品都展开
            weight.push_back(weight[i]);
            value.push_back(value[i]);
            nums[i]--;
        }
    }

    vector<int> dp(bagWeight + 1, 0);
    for(int i = 0; i < weight.size(); i++) { // 遍历物品
        for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
            dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
        }
        for (int j = 0; j <= bagWeight; j++) {
            cout << dp[j] << " ";
        }
        cout << endl;
    }
    cout << dp[bagWeight] << endl;

}
int main() {
    test_multi_pack();
}
// 时间复杂度：O(m × n × k)，m：物品种类个数，n背包容量，k单类物品数量

把每种商品个数的遍历放在01背包里面👇

void test_multi_pack() {
    vector<int> weight = {1, 3, 4};
    vector<int> value = {15, 20, 30};
    vector<int> nums = {2, 3, 2};
    int bagWeight = 10;
    vector<int> dp(bagWeight + 1, 0);


    for(int i = 0; i < weight.size(); i++) { // 遍历物品
        for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
            // 以上为01背包，然后加一个遍历个数
            for (int k = 1; k <= nums[i] && (j - k * weight[i]) >= 0; k++) { // 遍历个数
                dp[j] = max(dp[j], dp[j - k * weight[i]] + k * value[i]);
            }
        }
        // 打印一下dp数组
        for (int j = 0; j <= bagWeight; j++) {
            cout << dp[j] << " ";
        }
        cout << endl;
    }
    cout << dp[bagWeight] << endl;
}
int main() {
    test_multi_pack();
}
// 时间复杂度：O(m × n × k)，m：物品种类个数，n背包容量，k单类物品数量

背包问题总结篇！

确定dp数组（dp table）以及下标的含义
确定递推公式
dp数组如何初始化
确定遍历顺序
举例推导dp数组

⭐递推公式：

能否装满背包 / 最多装多少：dp[j] = max(dp[j], dp[j - nums[i]] + nums[i])

物品 i 重量、价值都是 nums[i]

LeetCdoe 416.分割等和子集 dp[j] == j👉能装满容量为 j 的背包

LeetCdoe 1049.最后一块石头的重量Ⅱ
装满背包有几种方法：dp[j] += dp[j - nums[i]]

①不装物品 i：全部空间 j 分配给物品 0 ~ i - 1👉dp[j]

②装物品 i：占掉空间nums[i]，剩余空间 j - nums[i] 分配给物品 0 ~ i - 1👉dp[j - nums[i]]

LeetCdoe 494.目标和

LeetCdoe 518.零钱兑换Ⅱ

LeetCdoe 377.组合总和Ⅳ

LeetCdoe 70.爬楼梯（进阶）
背包能装的最大价值：dp[j] = max(dp[j], dp[j - weight[i]] + value[i])

最早接触的递推公式，可扩展到二维（维护两个价值）

LeetCdoe 474.一和零
装满背包所需物品的最少个数：dp[j] = min(dp[j - coins[i]] + 1, dp[j])

初始化：dp[0] = 0，非零下标 = INT_MAX

避免对初始值INT_MAX直接+1导致溢出

LeetCdoe 322.零钱兑换

LeetCdoe 279.完全平方数

⭐遍历顺序：

01背包：
- 二维dp数组：先物品、先背包都可
- 一维dp数组：只能先物品，内层for循环从后往前（保证同一个物品最多装入一次）
完全背包：内层for循环从前往后（保证同一个物品可装入多次）
- 组合数：只能先物品
  
  LeetCdoe 518.零钱兑换Ⅱ
- 排列数：只能先背包
  
  LeetCdoe 377.组合总和Ⅳ
  
  LeetCdoe 70.爬楼梯（进阶）
- 不涉及具体元素组成：先物品、先背包都可
  
  LeetCdoe 322.零钱兑换
  
  LeetCdoe 279.完全平方数