本文通过三个经典的动态规划问题——494.目标和、474.一和零以及518.零钱兑换II，解析动态规划在解决组合计数问题上的应用。对于每个问题，分析了思路，给出了递推公式，并展示了参考代码。这些题目涉及将整数数组构造为特定和的表达式，以及在限制条件下的子集选择和硬币组合问题，均通过动态规划求解组合的最优解。
494. 目标和
题目描述
给你一个整数数组 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
思路分析
表达式和为target,可以看成left-right=target.即 left-(sum-left) = target=>left = (sum+target)/2
所以题目就可以转化为在集合nums中找出和为left的组合。
如何转化为0-1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) = S ==> x = (S + sum) / 2
此时问题就转化为，装满容量为x背包，有几种方法。
但是此时需要注意一点:如果(S+sum) % 2 == 1,则是无解的,说明无法找到满足的.因为背包容量都是整数.
另外如果abs(target) > sum,则也无解.因为所有的数同号也无法达到target.
if(abs(target) > sum) {
return 0;//没有方案
}
if((sum+target) % 2==1) {//没有方案
return 0;
}
动规三部曲
- 确定dp数组以及下标的含义
dp[j]:填满j这么大容积的背包,有dp[j]种方法
这个题也可以使用二维dp数组,dp[i] [j] = 使用下标为[0,i]的nums[i]能够凑满j这么大容积的背包需要dp[i] [j]种方法.
- 确定递推公式
dp[j] = dp[j] + dp[j-nums[i]] ==>dp[j] 等于不使用当前物体(数)的情况+使用当前物体(数)的情况
- dp数组初始化
dp[0] = 1,装满容量为0的背包,只有一种方法,就是装0件物品.
- 确定遍历顺序
根据01背包问题,一维dp数组遍历,物品放在外层循环,背包容量放在内层倒序循环.
5.举例推导dp数组
nums: [1, 1, 1, 1, 1], S: 3
bagSize = (S + sum) / 2 = (3 + 5) / 2 = 4
dp数组状态变化如下：
参考代码
#include<bits/stdc++.h>
using namespace std;
//打印dp数组
print(vector<int>& dp){
for(int i = 0;i < dp.size(); i++){
printf("%3d",dp[i]);
}
cout<<endl;
}
int findTargetSumWays(vector<int>& nums, int target) {
int sum = 0;
for(int i = 0; i < nums.size(); i++) {
sum += nums[i];
}
if(abs(target) > sum) {
return 0;//没有方案
}
//left - (sum - left) = target==>left = (sum+target) / 2
if((sum+target) % 2==1) {//没有方案
return 0;
}
int bageSize = (sum+target) / 2;
vector<int> dp(bageSize+1,0);
dp[0] = 1;
for(int i = 0; i < nums.size(); i++) {
for(int j =bageSize; j>=nums[i]; j--) {
dp[j] = dp[j]+dp[j-nums[i]];//当前物体放的情况d[j-nums[i]]+当前数字不放的情况d[j]便是总情况
}
//cout<<"dp["<<i<<"]";
//print(dp);
}
return dp[bageSize];
}
int main()
{
vector<int> nums = {1,1,1,1,1};
int target = 3;
findTargetSumWays(nums,target);
return 0;
}
474. 一和零
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 。
思路分析
本题中strs 数组里的元素就是物品，每个物品都是一个！
而m 和 n相当于是一个背包，两个维度的背包。所以本题依旧是一个01背包问题
动归五部曲
- 确定dp数组以及下标含义
dp[i] [j]:最多有i个0和j个1的strs的最大子集大小dp[i] [j]
- 确定递推公式
dp[i] [j] 可以由前一个strs里的字符串推导出来，strs里的字符串有zeroNum个0，oneNum个1。
dp[i] [j] 就可以是 dp[i - zeroNum] [j - oneNum] + 1。
然后我们在遍历的过程中，取dp[i] [j]的最大值。
所以递推公式：dp[i][j] = max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1);
这就是一个典型的01背包！ 只不过物品的重量有了两个维度而已。
- dp数组初始化
物品价值不会是负数，初始为0，保证递推的时候dp[i] [j]不会被初始值覆盖
- dp数组遍历
我们之前讲过背包一定是外层for循环遍历物品，内层for循环遍历背包容量且从后向前遍历！
有同学可能想，那个遍历背包容量的两层for循环先后循序有没有什么讲究？
没讲究，都是物品重量的一个维度，先遍历那个都行！
- 举例推导过程
以[“10”,“0001”,“111001”,“1”,“0”]，m = 3，n = 3为例
最后dp数组的状态如下所示：
参考代码
#include<bits/stdc++.h>
using namespace std;
//打印dp
void print(vector<vector<int>>& dp,int& m,int& n){
for(int i = 0;i <= m;i++){
cout<<"dp["<<i<<"]";
for(int j = 0; j<=n;j++){
cout<<dp[i][j]<<" ";
}
cout<<endl;
}
cout<<"-------------------"<<endl;
}
int findMaxForm(vector<string>& strs, int m, int n) {//m:0个数 n:1个数
vector<vector<int>> dp(m+1,vector<int>(n+1,0));//定义dp dp[i][j]:i个0,j个1的最大子集元素个数.
print(dp,m,n);
for(string str : strs){//外层遍历物体
int oneNum = 0;
int zeroNum = 0;
for(char ch : str) {//统计当前字符串(物体)的zero和one个数
if(ch=='0'){
zeroNum++;
}else{
oneNum++;
}
}
for(int i = m; i >= zeroNum;i--) {//遍历背包体积(二维的:字符串中m和n个数)
for(int j = n; j >= oneNum;j--){
dp[i][j] = max(dp[i][j],dp[i-zeroNum][j-oneNum]+1);
}
}
//print(dp,m,n);
}
return dp[m][n];
}
int main()
{
vector<string> strs = {"10", "0001", "111001", "1", "0"};
int m = 5;
int n = 3;
findMaxForm(strs,m,n);
return 0;
}
518. 零钱兑换 II
题目描述
给你一个整数数组 coins 表示不同面额的硬币，另给一个整数 amount 表示总金额。
请你计算并返回可以凑成总金额的硬币组合数。如果任何硬币组合都无法凑出总金额，返回 0 。
假设每一种面额的硬币有无限个。
题目数据保证结果符合 32 位带符号整数。
示例 1：
输入：amount = 5, coins = [1, 2, 5]
输出：4
解释：有四种方式可以凑成总金额：
5=5
5=2+2+1
5=2+1+1+1
5=1+1+1+1+1
示例 2：
输入：amount = 3, coins = [2]
输出：0
解释：只用面额 2 的硬币不能凑成总金额 3 。
示例 3：
输入：amount = 10, coins = [10]
输出：1
思路分析
这是一道典型的背包问题，一看到钱币数量不限，就知道这是一个完全背包。
但本题和纯完全背包不一样，纯完全背包是能否凑成总金额，而本题是要求凑成总金额的个数！
注意题目描述中是凑成总金额的硬币组合数，为什么强调是组合数呢？
例如示例一：
5 = 2 + 2 + 1
5 = 2 + 1 + 2
这是一种组合，都是 2 2 1。
如果问的是排列数，那么上面就是两种排列了。
组合不强调元素之间的顺序，排列强调元素之间的顺序。
动规五步曲
- 确定dp数组以及下标的含义
dp[j]:凑成总金额j的货币组合数为dp[j]
- 确定递推公式
这个和 494.目标和相似,都是求组合,所以递推公式: dp[j] = dp[j] + dp[j - coins[i]];
- dp数组如何初始化
dp[0] = 1 凑成总金额0的货币组合数为1
- 确定遍历顺序
本题中我们是外层for循环遍历物品（钱币），内层for遍历背包（金钱总额），还是外层for遍历背包（金钱总额），内层for循环遍历物品（钱币）呢？
前面遍历得到的是组合数,后面遍历得到的是排列数
- 举例推导dp数组
输入: amount = 5, coins = [1, 2, 5] ，dp状态图如下：
参考代码
#include<bits/stdc++.h>
using namespace std;
int change(int amount, vector<int>& coins) {
vector<int> dp(amount+1,0);
dp[0] = 1;
for(int i = 0; i < coins.size(); i++) {
for(int j = coins[i]; j <=amount; j++) {
dp[j] += dp[j-coins[i]];
}
}
return dp[amount];
}
如果有收获！！！ 希望老铁们来个三连，点赞、收藏、转发。
创作不易，别忘点个赞，可以让更多的人看到这篇文章，顺便鼓励我写出更好的博客
扫一扫
1909
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
