2742.力扣每日一题6/28 Java(0-1背包问题)

• 博客主页：音符犹如代码
• 系列专栏：算法练习
• 关注博主，后期持续更新系列文章
• 如果有错误感谢请大家批评指出，及时修改
• 感谢大家点赞👍收藏⭐评论✍ 

目录

0-1背包问题

思路

解题方法

时间复杂度

空间复杂度

---

0-1背包问题

0 - 1 背包问题是一个经典的组合优化问题。

问题描述：给定一组物品，每个物品有一定的价值和重量，以及一个背包，背包有一定的容量限制。要求在不超过背包容量的前提下，选择物品放入背包，使得背包中物品的总价值最大。

示例：假设有三个物品，物品 1 价值 6，重量 2；物品 2 价值 10，重量 3；物品 3 价值 12，重量 5，背包容量为 5。

常见解法：

1. 动态规划：创建一个二维数组 dp[i][j] ，其中 i 表示物品索引，j 表示背包容量。通过状态转移方程计算每个状态下的最优值。
   • 状态转移方程：dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]) ，当 j >= weight[i] 。
2. 回溯法：通过递归地尝试选择或不选择每个物品，来搜索所有可能的组合，找到最优解。但这种方法在物品数量较多时效率较低。

特点：

1. 每个物品只能选择一次（0 - 1 选择），要么放入背包，要么不放入。
2. 物品的选择具有互斥性。

应用场景：

1. 资源分配：例如在有限的资源下分配项目、任务等。
2. 投资决策：在有限的资金下选择投资项目。

思路

这里把每堵墙看作一个物品，刷这堵墙的开销 cost[i] 类似于物品的价值，付费油漆匠刷这堵墙所需的时间 time[i] 类似于物品的重量（需要免费油漆匠相应的工作时间）。而 memo 数组用于记录已经计算过的不同状态（已考虑的墙的数量和免费油漆匠已工作的时间）下的最小开销，避免重复计算，从而提高效率。通过递归地考虑选择或不选择当前墙，逐步求解出刷完所有墙的最小开销。

具体来说，对于每堵墙（物品），有两种选择：选择让付费油漆匠刷这堵墙，那么需要消耗相应的时间（类似于背包中放入物品占用的重量），同时加上这堵墙的开销，然后基于剩余的墙和免费油漆匠的剩余工作时间继续递归求解；或者不选择让付费油漆匠刷这堵墙，直接基于前一堵墙的情况继续递归求解。最终通过比较两种选择的结果，取开销较小的作为当前状态的最优解，并记录在 memo 数组中。这样，在后续遇到相同状态时，可以直接使用之前计算得到的结果，避免重复计算。

解题方法

1. 定义了一个二维数组 memo 用于记忆化搜索，避免重复计算已经求解过的子问题的结果。
2. paintWalls 方法是主要的入口函数，它调用 dfs 方法进行深度优先搜索。
3. dfs 方法接受以下参数：
   • i：表示当前考虑的墙的索引。
   • j：表示免费油漆匠已经工作的时间。
   • cost：表示每堵墙的开销数组。
   • time：表示每堵墙付费油漆匠所需的时间数组。
   • memo：记忆化数组。
4. 首先进行边界情况的判断：
   • 如果 j > i，意味着免费油漆匠工作的时间已经超过了墙的数量，此时开销为0，直接返回。
   • 如果 i < 0，返回一个较大的值（这里使用了 Integer.MAX_VALUE / 2），表示这种情况下的开销是不合理的大。
5. 计算当前状态在 memo 数组中的索引 k，通过 j + memo.length 得到。
6. 如果 memo[i][k] 不为 -1，说明之前已经计算过这个子问题，直接返回记忆的值。
7. 否则，进行递归计算：
   • res1 = dfs(i - 1, j + time[i], cost, time, memo) + cost[i]：表示选择让付费油漆匠刷当前这堵墙（i），那么免费油漆匠会工作 time[i] 时间，然后递归计算前 i - 1 堵墙的最小开销，并加上刷当前墙的开销 cost[i]。
   • res2 = dfs(i - 1, j - 1, cost, time, memo)：表示不让付费油漆匠刷当前这堵墙（i），免费油漆匠工作时间减1，递归计算前 i - 1 堵墙的最小开销。
8. 取 res1 和 res2 中的较小值作为当前状态的最小开销，并将其存储到 memo[i][k] 中，以便后续直接使用。
9. 最终返回计算得到的最小开销。

时间复杂度

O（n²）

空间复杂度

O（n²）

Code

import java.util.Arrays;

public class Solution {
    public int paintWalls(int[] cost, int[] time) {
        int n = cost.length;
        int[][] memo = new int[n][n * 2 + 1];
        for (int[] row : memo) {
            Arrays.fill(row, -1); 
        }
        return dfs(n - 1, 0, cost, time, memo);
    }

    private int dfs(int i, int j, int[] cost, int[] time, int[][] memo) {
        if (j > i) { 
            return 0;
        }
        if (i < 0) { 
            return Integer.MAX_VALUE / 2; 
        }
        int k = j + memo.length; 
        if (memo[i][k]!= -1) { 
            return memo[i][k];
        }
        int res1 = dfs(i - 1, j + time[i], cost, time, memo) + cost[i];
        int res2 = dfs(i - 1, j - 1, cost, time, memo);
        int min = Math.min(res1, res2);
        memo[i][k] = min;
        return min;
    }
}

你必须找到你的宝藏，否则你在途中发现的一切便全都失去了意义。——保罗·柯艾略《牧羊少年奇幻之旅》