Leetcode|01背包|1049. 最后一块石头的重量 II(两背包)

在这里插入图片描述

动态规划(两个01背包)

【问题转化】:让⽯头分成重量相同的两堆,相撞之后剩下的⽯头最⼩,即成01背包问题

背包1 - 背包2 = (sum - 背包2) - 背包2
class Solution {
public:
    int lastStoneWeightII(vector<int>& stones) {
        int size = stones.size();
        int sum = accumulate(stones.begin(), stones.end(), 0);
        int halfSum = sum / 2;
        vector<int> dp(halfSum + 1, 0);
        for (int i = 0; i < size; i++)
            for (int j = halfSum; j >= stones[i]; j--)
                dp[j] = max(dp[j], dp[j - stones[i]] + stones[i]);
        // 背包1 - 背包2 = (sum - 背包2) - 背包2 [不论sum是否偶数,均可解决]
        return (sum - dp[halfSum]) - dp[halfSum];
    }
};

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
回答: LeetCode上的背包问题是指在给定一组物品和一个背包的容量的情况下,选择哪些物品放入背包,使得背包中物品的总价值最大。根据物品的选择限制,背包问题可以分为0-1背包问题、完全背包问题和多重背包问题等不同类型。[2] 对于0-1背包问题,每种物品只能选择0个或1个,即要么放入背包,要么不放入。这种情况下,可以使用动态规划来解决,定义一个二维数组dp[i][j]表示前i个物品放入容量为j的背包中所获得的最大价值。通过状态转移方程dp[i][j] = max(dp[i-1][j], dp[i-1][j-weight[i]] + value[i])来更新dp数组,其中weight[i]表示第i个物品的重量,value[i]表示第i个物品的价值。最终,dp[n][W]即为所求的最大价值,其中n为物品的个数,W为背包的容量。[3] 完全背包问题是指每种物品可以选择任意个数,即可以重复放入背包。在解决完全背包问题时,可以将其转化为0-1背包问题来求解。具体做法是将每个物品拆分成多个重量和价值相同的物品,然后按照0-1背包问题的方法进行求解。[1] 多重背包问题是指每种物品有一定的数量限制,即每种物品可以选择0个到nums[i]个。对于多重背包问题,可以将其转化为0-1背包问题来求解。具体做法是将每个物品拆分成多个重量和价值相同的物品,然后按照0-1背包问题的方法进行求解。[1] 总结来说,背包问题是在给定一组物品和背包容量的情况下,选择合适的物品放入背包,使得背包中物品的总价值最大。根据物品的选择限制,背包问题可以分为0-1背包问题、完全背包问题和多重背包问题等不同类型,可以使用动态规划的方法来解决。[2][3]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

SL_World

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值