代码随想录算法训练营第三十一天| 1049. 最后一块石头的重量 II 、 494. 目标和、474.一和零

写代码的第三十一天
我真要哭了
呜呜呜呜呜呜呜
好难啊
写的很乱，但是我暂时只能理解到这个程度了。。。。

1049. 最后一块石头的重量 II

思路

其实和上一道题差不多，但是本题不是要找到分割子集后一摸一样的数字和，而是要找到尽可能相似的两个子集的和，这样的差值就是最小石子了。本题中的weight也就是stone的数组值，value也是stone的数组值，物品就对应stone的数组下标。
解决问题1：dp[j] 的的含义是什么？容量为j的背包，所背的物品价值可以最大为dp[j]。也就是最多可以装的价值为 dp[j] ，最多可以背的重量为dp[j]。
解决问题2：递推公式是什么？当前的第i个物品放或不放两种情况，如果不放就是dp[j]的值不变不动，如果放进去那么也是由两部分组成，一部分是物品i本身的价值，一部分是j减去物品i时的重量满足的最大价值，二者之和。所以递推公式是dp[j] = max(dp[j], dp[j - weight[i]] + value[i])。这里我们选用max是因为我们想尽力去装看能不能到达sum（nums）/2的值，然后在判断。
解决问题3：dp数组如何初始化？根据dp数组的定义可以知道，容量为j的背包，所背的物品价值可以最大为dp[j]，那么dp[0]就应该是0，因为背包容量为0所背的物品的最大价值就是0。而其他的值无论初始化为多少都无所谓，因为都会被覆盖。数组长度和上一个题一样，总和/2.
解决问题4：如何确定遍历顺序？倒序遍历，并且要遍历到当前i的重量的时候，此时的重量是需要更新的。其实这个题本质上还是一个对二维数组的遍历，我们在遍历二维数组的时候是根据上方和左上方的值判断当前位置的值，变成一维的时候就是压缩了一下，我们还是要根据左侧的数值进行判断当前的数值，因此我们需要保证左边的值仍然是上一层的，从右向左覆盖，所以要到序遍历。
解决问题5：输出搭配数组。为了判断是否和题意一致，方便后续改错。
正确代码：

class Solution:
    def lastStoneWeightII(self, stones: List[int]) -> int:
        target = sum(stones) // 2
        dp = [0] * (target+1)
        for i in range(len(stones)):
            for j in range(target,stones[i]-1,-1):
                dp[j] = max(dp[j],dp[j-stones[i]]+stones[i])
        stone1 = dp[target]
        stone2 = sum(stones) - stone1
        return abs(stone1-stone2)

494. 目标和

思路

本题要求的是数组中能达到目标和的组合方式有多少种，我是根本想不到背包问题。。。。
本题就是给数组中的数加符号，一边加正，一边加负，看正+负能不能等于target。所以设置两个参数left代表加正号的那边，right代表加负号的那边（不是给数字直接加了负号！！！），所以本题的意思就是说left-right是否能等于target。开始数学方式了：sums= left+right，target= left-right所以left =（target+sum）/2，如果不能整除直接return0，证明没有能组合成target的方式。
解决问题1：dp[j] 的的含义是什么？填满j（包括j）这么大容积的包，有dp[j]种方法。
解决问题2：递推公式是什么？当前的第i个物品放或不放两种情况，如果不放i，那么当前的这种情况填满j这个容积的包的方法就有dp[j]种；如果放进去i那么当前这种情况的填满这个容积的包的方法有dp[j-nums[i]]（这个的理解方法可以参照我之前看的一个b站视频，画图讲的非常好。大致意思就是当前的i站的空间是nums[i]，所以如果你把这个i打算放进去，那么此时剩下的空间就是j-nums[i]，那么这个时候我们就要找当空间为j-nums[i]的时候有多少种方法把j-nums[i]填满）；根据上面的两种情况，我们想一下之前做过的爬楼梯问题，只有一个台阶或者两个台阶的情况，问一共多少种方法能走走上去，他的递推公式是dp[i]=dp[i-1]+dp[i-2]，类比下来本题的递推公式也就是dp[j]=dp[j]+dp[j-nums[i]]。
解决问题3：dp数组如何初始化？根据dp数组的定义可以知道]，那么dp[0]就应该是0，但是！举个例子如果数组[0] ，target = 0，那么 bagSize = (target + sum) / 2 = 0。 dp[0]也应该是1， 也就是说给数组里的元素 0 前面无论放加法还是减法，都是 1 种方法。所以dp[0]=1
解决问题4：如何确定遍历顺序？倒序遍历，并且要遍历到当前i的重量的时候，此时的重量是需要更新的。其实这个题本质上还是一个对二维数组的遍历，我们在遍历二维数组的时候是根据上方和左上方的值判断当前位置的值，变成一维的时候就是压缩了一下，我们还是要根据左侧的数值进行判断当前的数值，因此我们需要保证左边的值仍然是上一层的，从右向左覆盖，所以要到序遍历。range(left,nums[i]-1,-1):为什么是这个范围呢？因为我们的递推公式是j-nums[i]，所以j一定是大于等于nums[i]的。
解决问题5：输出搭配数组。为了判断是否和题意一致，方便后续改错。
正确代码：

class Solution:
    def findTargetSumWays(self, nums: List[int], target: int) -> int:
        if abs(target) > sum(nums):
             return 0
        if (target + sum(nums)) % 2 != 0:
            return 0
        left = (target + sum(nums)) // 2
        dp = [0] * (left + 1)
        dp[0] = 1
        for i in range(len(nums)):
            for j in range(left,nums[i]-1,-1):
                dp[j] += dp[j-nums[i]]
        return dp[left]

474.一和零

思路

本题的背包和上面背包的区别在于，本题的背包有两个维度，一个是代表0的个数m一个是代表1的个数n，而不同长度的字符串就是不同大小的待装物品。所以最后我们要满足的不是一个value为多少的背包，而是要满足一个m为多少同时n为多少的背包。
解决问题1：dp[i][j] 的的含义是什么？容量为i,j的背包，所背的物品数量最大为dp[i][j]。也就是最多有i个0和j个1的strs的最大子集的大小为dp[i][j]。
解决问题2：递推公式是什么？当前数组的第i个物品放或不放两种情况，如果不放就是dp[i][j]的值不变不动，如果放进去那么也是由两部分组成，一部分是物品i本身的价值，一部分是j减去物品i时的重量满足的最大价值，二者之和。所以递推公式是dp[i][j] = max(dp[i][j], dp[i-zeroNum][j - oneNum] + 1)，这个递推公式按照之前的一维递推公式类比得到的，我们本题要的不是价值value而是最大子集的大小，也就是子集中的元素有多少。
解决问题3：dp数组如何初始化？根据dp数组的定义可以知道，和一维的一样初始化为0就行。
解决问题4：如何确定遍历顺序？倒序遍历，并且要遍历到当前i的重量的时候，此时的重量是需要更新的。其实这个题本质上还是一个对二维数组的遍历，我们在遍历二维数组的时候是根据上方和左上方的值判断当前位置的值，变成一维的时候就是压缩了一下，我们还是要根据左侧的数值进行判断当前的数值，因此我们需要保证左边的值仍然是上一层的，从右向左覆盖，所以要到序遍历。
解决问题5：输出搭配数组。为了判断是否和题意一致，方便后续改错。
正确代码：

class Solution:
    def findMaxForm(self, strs: List[str], m: int, n: int) -> int:
        dp = [[0 for _ in range(n + 1)] for _ in range(m + 1)]
        for s in strs:
            zeroNum = s.count('0')
            oneNum = s.count('1')
            for i in range(m,zeroNum-1,-1):
                for j in range(n,oneNum-1,-1):
                    dp[i][j] = max(dp[i][j],dp[i-zeroNum][j-oneNum]+1)
        return dp[m][n]