第九章 动态规划part04

最后一块石头的重量 II

题目描述

有一堆石头，用整数数组 stones 表示。其中 stones[i] 表示第 i 块石头的重量。

每一回合，从中选出任意两块石头，然后将它们一起粉碎。假设石头的重量分别为 x 和 y，且 x <= y。那么粉碎的可能结果如下：

• 如果 x == y，那么两块石头都会被完全粉碎；
• 如果 x != y，那么重量为 x 的石头将会完全粉碎，而重量为 y 的石头新重量为 y-x。

最后，最多只会剩下一块 石头。返回此石头 最小的可能重量 。如果没有石头剩下，就返回 0。

示例 1：

输入：stones = [2,7,4,1,8,1]
输出：1
解释：
组合 2 和 4，得到 2，所以数组转化为 [2,7,1,8,1]，
组合 7 和 8，得到 1，所以数组转化为 [2,1,1,1]，
组合 2 和 1，得到 1，所以数组转化为 [1,1,1]，
组合 1 和 1，得到 0，所以数组转化为 [1]，这就是最优值。

示例 2：

输入：stones = [31,26,33,21,40]
输出：5

解题思路

1. 确定dp数组以及下标的含义

   • dp[j]表示在所选石头的总重量不超过j的情况下，可以达到的最大重量。

2. 确定递推公式

   • 递推公式:dp[j] = max(dp[j], dp[j - stones[i]] + stones[i])
   • 在确保重量不超过j的情况下，计算将第 i 块石头放入背包或者不放入背包时所能达到的最大重量

3. dp数组初始化

   • 根据题意可知石堆数组最大的重量为3000，因此可以初始化目标石堆为1501，因为石头重量不为负数，因此可以初始化dp[j]为0，确保初始值不会被覆盖

4. 确定遍历顺序

   • 遍历石堆时正序遍历
   • 计算石堆最大和时倒序遍历

5. 举例推导dp数组

   • 举例，输入：[2,4,1,1]，此时target = (2 + 4 + 1 + 1)/2 = 4 ，dp数组状态图如下：

     

代码实现

测试地址：https://leetcode.cn/problems/last-stone-weight-ii/

class Solution {
public:
    int lastStoneWeightII(vector<int>& stones) {
        int targetSum = 0;
        // 计算所有石头的总重量
        for (int stone : stones) {
            targetSum += stone;
        }

        // 我将石头分成两个子集，使它们的重量尽可能相等
        int target = targetSum / 2;

        // dp[j] 表示在不超过重量 j 的条件下，所能选择石头的最大总重量
        vector<int> dp(1501, 0);

        // 遍历每一块石头
        for (int i = 0; i < stones.size(); i++) {
            // 逆序遍历，从 target 到 stones[i]，这样保证每块石头只被使用一次
            for (int j = target; j >= stones[i]; j--) {
                // 递推公式：选择当前石头或不选择，取最大值
                dp[j] = max(dp[j], dp[j - stones[i]] + stones[i]);
            }
        }

        // 最后剩下的石头的最小重量差
        int result = targetSum - dp[target] * 2;
        return result;
    }
};

目标和

题目描述

给你一个非负整数数组 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

解题思路

1. 确定dp数组以及下标的含义

   • 能够装满容量为j的背包，共有dp[j]种方法

2. 确定递推公式

   • 递推公式：dp[j] += dp[j - nums[i]]

   • 公式说明：

     1. 考虑第 ​i​ 个元素 ​nums[i]​ ：我们正在考虑是否将 nums[i] 放入子集中。
     2. 和为 ​j​ 的子集：我们想知道有多少种方式可以使得子集的和为 j。
     3. 和为 ​j - nums[i]​ 的子集：如果我们已经知道有多少种方式可以使得子集的和为 j - nums[i]，那么在这些方式中，每一种方式都可以通过加入 nums[i] 来达到和为 j。
     4. 累加：因此，和为 j 的子集数量就是原来的 dp[j] 加上和为 j - nums[i] 的子集数量 dp[j - nums[i]]。

3. dp数组初始化

   • 如果我们想要装满容量为0的背包，那么只有一种方法，就是在没有元素的情况下，因此可以初始化dp[0]=1，并且如果不将dp[0]初始化为1的话，后续所有的累加操作都没有意义了。

4. 确定遍历顺序

   • 遍历数字时采用正序遍历
   • 在获取指定子集方法时，采用逆序遍历

5. 举例推导dp数组

   • 输入：nums: [1, 1, 1, 1, 1], target=3，手动模拟dp数组生成过程：

   

代码实现

测试地址：https://leetcode.cn/problems/target-sum/description/

class Solution {
public:
    int findTargetSumWays(vector<int>& nums, int target) {
        int sum = 0;
        // 计算所有元素的和，以判断是否存在解
        for (int num : nums)
            sum += num;

        // 如果目标绝对值大于总和，不可能实现目标
        if (abs(target) > sum)
            return 0;
    
        // 如果(target + sum)是奇数，则不可能平分，因为整数和不可能是小数
        if ((target + sum) % 2 == 1)
            return 0;

        // 计算背包大小，即正子集的目标和
        int bagSize = (target + sum) / 2;

        // dp数组初始化，dp[j]表示和为j的子集数量
        vector<int> dp(bagSize + 1, 0);
        // 初始化条件，没有任何元素时，和为0的方式只有1种，即不选择任何元素
        dp[0] = 1;

        // 遍历所有元素
        for (int i = 0; i < nums.size(); i++) {
            // 从bagSize到nums[i]逆序遍历，确保每个元素只使用一次
            for (int j = bagSize; j >= nums[i]; j--) {
                // 更新dp数组，累加当前元素值nums[i]对应的子集数量
                dp[j] += dp[j - nums[i]];
            }
        }

        // 返回目标和为bagSize的子集数量，即答案
        return dp[bagSize];
    }
};

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 。

解题思路

1. 确定dp数组以及下标的含义

   • dp[i][j] 表示使用 i 个 0 和 j 个 1 能构成的最大子集大小。

2. 确定递推公式

   • 递推公式：dp[i][j] = max(dp[i][j], dp[i - zeros][j - ones] + 1)

   • 公式解释

     • dp[i][j]：当前状态，表示使用 i 个 0 和 j 个 1 能构成的最大子集大小。

     • dp[i - zeros][j - ones] + 1：选择当前字符串后的状态，表示在选择当前字符串之后，使用 i 个 0 和 j 个 1 能构成的最大子集大小。

     • max(dp[i][j], dp[i - zeros][j - ones] + 1)：比较两种情况，选择其中较大的一个

       • 不选择当前字符串，保持 dp[i][j] 不变。

       • 选择当前字符串，更新为 dp[i - zeros][j - ones] + 1。

3. dp数组初始化

   • dp 数组初始化为 (m + 1) x (n + 1) 的二维数组，所有元素初始值为 0。

4. 确定遍历顺序

   • 外层循环遍历每个字符串 str。
   • 内层循环从 m 到 zeros 和从 n 到 ones 进行逆序遍历。

5. 举例推导dp数组

   • 以输入：[“10”,“0001”,“111001”,“1”,“0”]，m = 3，n = 3为例，手推dp数组如下：

     

代码实现

测试地址：https://leetcode.cn/problems/ones-and-zeroes/

class Solution {
public:
    int findMaxForm(vector<string> &strs, int m, int n) {
        // dp[i][j] 表示使用i个0和j个1能构成的最大子集大小
        vector<vector<int>> dp(m + 1, vector<int>(n + 1, 0));
  
        // 遍历每个字符串
        for (string str : strs) {
            int ones = 0, zeros = 0;
            // 计算当前字符串中0和1的数量
            for (char c : str) {
                if (c == '0')
                    zeros++;
                else
                    ones++;
            }
      
            // 对于每个字符串，更新dp数组
            // 表示如果不选择当前字符串，则dp[i][j]不变；如果选择当前字符串，则dp[i][j]为dp[i - zeros][j - ones] + 1
            for (int i = m; i >= zeros; i--) {
                for (int j = n; j >= ones; j--) {
                    dp[i][j] = max(dp[i][j], dp[i - zeros][j - ones] + 1);
                }
            }
        }
  
        // 返回dp[m][n]，即使用m个0和n个1能构成的最大子集大小
        return dp[m][n];
    }
};