09.一与零
- 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 。
- 题目分析
这是一个背包问题,其中背包的容量由整数m和n表示。给定一个字符串数组strs,每个字符串strs[i]由0和1组成。我们的目标是选择一些字符串,使得它们的0和1的数量之和不超过背包的容量,并且选取的字符串数量最多。
动态规划五部曲
1. 确定dp数组(dp table)以及下标的含义
三维dp数组:dp[i][j][k]表示可选物品[0-i]时满足背包为j个0,k个1时的最大长度
2. 确定递推公式
当不装入物品i:dp[i][j][k] = dp[i - 1][j][k];
当装入物品i:dp[i][j][k] = Math.max(dp[i - 1][j][k], dp[i - 1][j - zero[i]][k - one[i]] + 1);
3. dp数组如何初始化
if (zero[0] <= j && one[0] <= k) dp[0][j][k] = 1;
4. 确定遍历顺序
5. 举例推导dp数组(打印三维数组)
public static void printArray(int[][][] array) {
for (int i = 0; i < array.length; i++) {
System.out.println("第 " + (i + 1) + " 行");
for (int j = 0; j < array[i].length; j++) {
System.out.print("\t第 " + (j + 1) + " 列 ");
for (int k = 0; k < array[i][j].length; k++) {
System.out.print(array[i][j][k] + "\t");
}
System.out.println();
}
System.out.println();
}
}
代码中的核心是一个三维的动态规划数组dp。其中,dp[i][j][k]表示在考虑前i个字符串,且背包容量为j个0和k个1的情况下,能够组成的最大字符串数量。
代码中使用了二重循环来遍历所有可能的背包容量和字符串选择,并根据问题的约束条件来进行状态转移。具体来说,对于每个字符串strs[i],我们统计出其中0和1的数量zeroNum和oneNum,然后进行如下判断:
如果zeroNum <= j 且 oneNum <= k,意味着可以选择strs[i]。此时,我们可以选择将strs[i]放入背包中,也可以选择不放入。因此,我们比较不放入和放入两种情况下的最大字符串数量,取较大值更新dp[i][j][k]。
如果zeroNum > j 或者 oneNum > k,意味着strs[i]无法放入当前背包容量的约束下,因此我们不能选择该字符串,直接继承前一个状态的最大字符串数量,即dp[i][j][k] = dp[i-1][j][k]。
最终,我们需要返回dp[strs.length][m][n],表示在考虑所有字符串的情况下,背包容量为m个0和n个1时能够组成的最大字符串数量。
- Java代码实现
public static int findMaxForm(String[] strs, int m, int n) {
/* 统计每个字符串中的'0'和'1'的元素 */
int[] zero = new int[strs.length];
int[] one = new int[strs.length];
for (int i = 0; i < strs.length; i++) {
int zeroNum = 0, oneNum = 0;
for (int j = 0; j < strs[i].length(); j++) {
if (strs[i].charAt(j) == '0') zeroNum++;
else oneNum++;
}
zero[i] = zeroNum;
one[i] = oneNum;
}
/* 背包问题 */
//三维dp数组:dp[i][j][k]表示可选物品[0-i]时满足背包为j个0,k个1时的最大长度
int[][][] dp = new int[strs.length][m + 1][n + 1];
//初始化dp数组
//当只放入strs[0]时的情况
for (int j = 0; j <= m; j++) {
for (int k = 0; k <= n; k++) {
if (zero[0] <= j && one[0] <= k) dp[0][j][k] = 1;
}
}
//遍历背包
for (int i = 1; i < strs.length; i++) {
for (int j = 0; j <= m; j++) {
for (int k = 0; k <= n; k++) {
if (zero[i] > j || one[i] > k) {
dp[i][j][k] = dp[i - 1][j][k];
} else {
dp[i][j][k] = Math.max(dp[i - 1][j][k], dp[i - 1][j - zero[i]][k - one[i]] + 1);
}
}
}
}
return dp[strs.length - 1][m][n];
}
- 简化代码
public static int findMaxForm(String[] strs, int m, int n) {
int[][][] dp = new int[strs.length + 1][m + 1][n + 1];
for (int i = 1; i <= strs.length; i++) {
int zeroNum = 0, oneNum = 0;
for (int j = 0; j < strs[i - 1].length(); j++) {
if (strs[i - 1].charAt(j) == '0') zeroNum++;
else oneNum++;
}
for (int j = 0; j <= m; j++) {
for (int k = 0; k <= n; k++) {
if (zeroNum <= j && oneNum <= k) {
dp[i][j][k] = Math.max(dp[i - 1][j][k], dp[i - 1][j - zeroNum][k - oneNum] + 1);
} else {
dp[i][j][k] = dp[i - 1][j][k];
}
}
}
}
return dp[strs.length][m][n];
}