[LeetCode] 494. 目标和
[LeetCode] 494. 目标和 文章解释题目:
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提示:
1 <= nums.length <= 20
0 <= nums[i] <= 1000
0 <= sum(nums[i]) <= 1000
-1000 <= target <= 1000
[LeetCode] 494. 目标和
自己看到题目的第一想法
不会~那么多加减号,怎么和动态规划联系起来的!
看完代码随想录之后的想法
这都不会?
首先假设存在两组数, 一组没有做任何修改, 一组全部变成负数,这两组数的和为 x 和 -y,假设存在这样两组数使得 x - y = target, 则存在隐含关系 x + y = sum
因此 x - y + x + y = target + sum, 因此 x = (target + sum)/2, 这里 x 一定是整数, 所以 target + sum 一定要是偶数, 同时 target 如果为负数的话, 绝对值必须小于 sum.
// 一维数组版本
class Solution {
public int findTargetSumWays(int[] nums, int target) {
int sum = 0;
for (int i = 0; i < nums.length; i++) {
sum += nums[i];
}
// 因为 sum 一定为正数, 如果 target + sum 小于 0, 说明 nums 所有数字取反后求和都无法等于 target
if (target + sum < 0) {
return 0;
}
sum += target;
if (sum % 2 == 1) {
return 0;
}
target = sum/2;
// dp[i] 表示使用下标为 0~i 的数字,和为 i 的组合个数
int[] dp = new int[target + 1];
// 递推公式:dp[j] = dp[j] + dp[j - nums[i]];
// 初始化
dp[0] = 1;// 用下标为 0 的数字, 和为 0 的组合个数为1, 即空组合 []
// 遍历顺序:
for (int i = 0; i < nums.length; i++) {
for (int j = target; j >= nums[i]; j--) {
dp[j] = dp[j] + dp[j - nums[i]];
}
}
// 模拟 dp:无
return dp[target];
}
}
// 二维数组版本
class Solution {
public int findTargetSumWays(int[] nums, int target) {
int sum = 0;
for (int i = 0; i < nums.length; i++) {
sum += nums[i];
}
// 因为 sum 一定为正数, 如果 target + sum 小于 0, 说明 nums 所有数字取反后求和都无法等于 target
if (target + sum < 0) {
return 0;
}
sum += target;
if (sum % 2 == 1) {
return 0;
}
target = sum/2;
// dp[i][j] 表示使用下标为 0~i 的数字,和为 j 的组合个数
int[][] dp = new int[nums.length][target + 1];
// 递推公式:dp[i][j] = dp[i - 1][j] + dp[i - 1][j - nums[i]];
// 初始化: 用下标为 0 的数字,组成和为 0 的组合的个数为1, 即空组合 []
// 初始化第一行,nums[0] 如果小于等于 target, 则 dp[0][nums[0]] = 1
// 同时 dp[0][0]++, 因为空组合也算
// 初始化真的很重要,感觉是决定动态规划的核心思考之一
// 这里很重要,如果 nums[0] = 0 的话, dp[0][0] 需要赋值为1, 同时 dp[0][0] 位置空组合也算一个, 因此要再加 1
// 活着换一个思考, dp[0][0] 永远赋值为 1, dp[0][nums[0]] = dp[0]
if (nums[0] <= target) {
dp[0][nums[0]] = 1;
}
dp[0][0]++;
// 遍历顺序:
for (int i = 1; i < nums.length; i++) {
for (int j = 0; j <= target; j++) {
if (nums[i] > j) {
dp[i][j] = dp[i - 1][j];
} else {
dp[i][j] = dp[i - 1][j] + dp[i - 1][j - nums[i]];
}
}
}
// 模拟 dp:无
return dp[nums.length - 1][target];
}
}
自己实现过程中遇到哪些困难
那是真的有点多了。。。二维数组更根本想不出来哪里出问题了。后来发现是初始化的问题,但是初始化的逻辑还挺绕的。
初始化感觉是个大学问,但是确实不是太容易想明白。但是要知道, 动态规划的起点都是从初始化开始的,初始化不对,后面的逻辑都无法自洽的!
[LeetCode] 474. 一和零
[LeetCode] 474. 一和零 文章解释题目:
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 。提示:
1 <= strs.length <= 600
1 <= strs[i].length <= 100
strs[i]
仅由'0'
和'1'
组成1 <= m, n <= 100
[LeetCode] 474. 一和零
自己看到题目的第一想法
[m][n] 要看成背包里的容量。
套用公式!
但是确实想不明白。
看完代码随想录之后的想法
[m][n] 作为容量,因为是01背包问题,在遍历物品的循环中,对容量从后往前遍历即可。这句话现在说着轻松,两天后看一定又是一头雾水。
// 三维数组版本: 效率很低
class Solution {
public int findMaxForm(String[] strs, int m, int n) {
int[][][] dp = new int[strs.length][m + 1][n + 1];
int zeroCount = 0;
int oneCount = 0;
for (int i = 0; i < strs[0].length(); i++) {
if (strs[0].charAt(i) == '0') {
zeroCount++;
} else {
oneCount++;
}
}
for (int i = zeroCount; i <= m; i++) {
for (int j = oneCount; j <= n; j++) {
dp[0][i][j] = 1;
}
}
for (int i = 1; i < strs.length; i++) {
zeroCount = 0;
oneCount = 0;
for (int charIndex = 0; charIndex < strs[i].length(); charIndex ++) {
if (strs[i].charAt(charIndex) == '0') {
zeroCount++;
} else {
oneCount++;
}
}
// 这里 j 和 k 表示的是字符的容量
for (int j = 0; j <= m; j++) {
for (int k = 0; k <= n; k++) {
if (j < zeroCount || k < oneCount) {
dp[i][j][k] = dp[i - 1][j][k];
continue;
}
// 因为要求的是能放的最大字符串个数
// 因此这里要对比一下, 不把自己放进去以及把自己放进去后,哪个组合里的字符串个数更大
dp[i][j][k] = Math.max(dp[i - 1][j][k], dp[i - 1][j - zeroCount][k - oneCount] + 1);
}
}
}
return dp[dp.length - 1][m][n];
}
}
// 二维数组版本
// 效率高很多,毕竟少操作了非常多 二维数组!!!
class Solution {
public int findMaxForm(String[] strs, int m, int n) {
int[][] dp = new int[m + 1][n + 1];
int zeroCount = 0;
int oneCount = 0;
for (String str : strs) {
zeroCount = 0;
oneCount = 0;
for (int i = 0; i < str.length(); i++) {
if (str.charAt(i) == '0') {
zeroCount++;
} else {
oneCount++;
}
}
for (int i = m; i >= zeroCount; i--) {
for (int j = n; j >= oneCount; j--) {
dp[i][j] = Math.max(dp[i][j], dp[i - zeroCount][j - oneCount] + 1);
}
}
}
return dp[m][n];
}
}
自己实现过程中遇到哪些困难
那可真是多到说不清楚了。 这两天难度确实挺高的, 脑子有点迷糊了。
[KamaCoder] 52. 携带研究材料(第七期模拟笔试)
自己看到题目的第一想法
无。
看完代码随想录之后的想法
和01背包几乎相同,只是遍历顺序不同。
但是!!! 二维数组实现的时候,初始化以及递增方式都发生了变化!
// 二维数组版本
import java.util.Scanner;
public class Main {
public static void main(String[] args) {
Scanner scanner = new Scanner(System.in);
Integer materialCount = null;
Integer packageCapacity = null;
int[] weights = null;
int[] values = null;
int count = 0;
while (scanner.hasNext()) {
if (materialCount == null) {
String materialCountStr = scanner.nextLine();
String[] materialCounts = materialCountStr.split(" ");
materialCount = Integer.parseInt(materialCounts[0]);
packageCapacity = Integer.parseInt(materialCounts[1]);
} else {
if (weights == null) {
weights = new int[materialCount];
values = new int[materialCount];
}
String weightAndValueStr = scanner.nextLine();
String[] weightAndValues = weightAndValueStr.split(" ");
weights[count] = Integer.parseInt(weightAndValues[0]);
values[count++] = Integer.parseInt(weightAndValues[1]);
}
}
int[][] dp = new int[materialCount][packageCapacity + 1];
// 初始化
for (int i = weights[0]; i <= packageCapacity; i++) {
dp[0][i] = dp[0][i - weights[0]] + values[0];
}
for (int i = 1; i < weights.length; i++) {
for (int j = 0; j <= packageCapacity; j++) {
if (weights[i] > j) {
dp[i][j] = dp[i - 1][j];
continue;
}
dp[i][j] = Math.max(dp[i - 1][j], dp[i][j - weights[i]] + values[i]);
}
}
System.out.println(dp[dp.length - 1][packageCapacity]);
}
}
// 一维数组版本
import java.util.Scanner;
public class Main {
public static void main(String[] args) {
Scanner scanner = new Scanner(System.in);
Integer materialCount = null;
Integer packageCapacity = null;
int[] weights = null;
int[] values = null;
int count = 0;
while (scanner.hasNext()) {
if (materialCount == null) {
String materialCountStr = scanner.nextLine();
String[] materialCounts = materialCountStr.split(" ");
materialCount = Integer.parseInt(materialCounts[0]);
packageCapacity = Integer.parseInt(materialCounts[1]);
} else {
if (weights == null) {
weights = new int[materialCount];
values = new int[materialCount];
}
String weightAndValueStr = scanner.nextLine();
String[] weightAndValues = weightAndValueStr.split(" ");
weights[count] = Integer.parseInt(weightAndValues[0]);
values[count++] = Integer.parseInt(weightAndValues[1]);
}
}
int[] dp = new int[packageCapacity + 1];
// 初始化
for (int i = 0; i < weights.length; i++) {
for (int j = weights[i]; j <= packageCapacity; j++) {
dp[j] = Math.max(dp[j], dp[j - weights[i]] + values[i]);
}
}
System.out.println(dp[packageCapacity]);
}
}
自己实现过程中遇到哪些困难
无
[LeetCode] 518. 零钱兑换 II
自己看到题目的第一想法
无
看完代码随想录之后的想法
class Solution {
public int change(int amount, int[] coins) {
int[] dp = new int[amount + 1];// 背包容量为 amount 的全面背包问题
dp[0] = 1;
for (int i = 0; i < coins.length; i++) {
for (int j = coins[i]; j <= amount; j++) {
dp[j] = dp[j] + dp[j - coins[i]];
}
}
return dp[amount];
}
}
class Solution {
public int change(int amount, int[] coins) {
int[][] dp = new int[coins.length][amount + 1];// 背包容量为 amount 的全面背包问题
dp[0][0] = 1;
for (int i = coins[0]; i <= amount; i++) {
dp[0][i] = dp[0][i - coins[0]];
}
for (int i = 1; i < coins.length; i++) {
for (int j = 0; j <= amount; j++) {
if (coins[i] > j) {
dp[i][j] = dp[i - 1][j];
} else {
dp[i][j] = dp[i - 1][j] + dp[i][j - coins[i]];
}
}
}
return dp[coins.length - 1][amount];
}
}
自己实现过程中遇到哪些困难
啊这初始化真是不好搞。。。按字面意思很难确定,最终还是要回归到算数逻辑的本质上来。。。背包问题通过 dp 定义来推导递归公式,对于初始化有一定的误导性,自己需要意识到这一点。 但是 dp 的定义依旧很重要,只是在初始化时要回归到算数的本质上来。