动态规划6:单词拆分、多重背包理论基础、背包问题总结

26. 单词拆分

例题139:
给你一个字符串 s 和一个字符串列表 wordDict 作为字典。请你判断是否可以利用字典中出现的单词拼接出 s 。

注意:不要求字典中出现的单词全部都使用,并且字典中的单词可以重复使用。

在这里插入图片描述
单词可以重复取,说明这是一个完全背包问题。

动态规划

  1. 确定dp数组和下标
    dp[j]表示长度为j的字符串可以由字典中的一个或多个单词组成。
  2. 确定递推公式
    dp[j]由上一个dp[j-wordDict[i]]决定,如果上一个是true,并且该单词是字符串s从i-len到i的子串,才是true。
    如果确定dp[j] 是true,且 [j, i] 这个区间的子串出现在字典里,那么dp[i]一定是true。(j < i )。
    所以递推公式是 if([j, i] 这个区间的子串出现在字典里 && dp[j]是true) 那么 dp[i] = true。
  3. 初始化
    dp[0]=true,由结果反推
  4. 确定遍历顺序
    由于这是一个排列问题,因为applepenapple=apple+pen+apple,而apple+apple+pen或者pen+apple+apple都是不行的。
    所以先遍历背包后物品。
  5. 举例验证
    代码如下:
class Solution {
    public boolean wordBreak(String s, List<String> wordDict) {
        boolean[] dp=new boolean[s.length()+1];
        dp[0]=true;
        for(int i=1;i<=s.length();i++){
            for(String sub:wordDict){
                int len=sub.length();
                if(i>=len && dp[i-len]==true && sub.equals(s.substring(i-len,i))){
                    dp[i]=true;
                }
            }
        }
        return dp[s.length()];
    }
}

27. 多重背包理论基础

多重背包

有N种物品和一个容量为V 的背包。第i种物品最多有Mi件可用,每件耗费的空间是Ci ,价值是Wi 。求解将哪些物品装入背包可使这些物品的耗费的空间 总和不超过背包容量,且价值总和最大。

多重背包和01背包是非常像的, 为什么和01背包像呢?

每件物品最多有Mi件可用,把Mi件摊开,其实就是一个01背包问题了。

例如:

背包最大重量为10。

物品为:

重量价值数量
物品0115
物品1320
物品2430

问背包能背的物品最大价值是多少?
把多重背包摊开,且每个物品只能使用一次,就是01背包。

重量价值数量
物品0115
物品0115
物品1320
物品1320
物品1320
物品2430
物品2430
代码如下:
public void testMultiPack1(){
    // 版本一:改变物品数量为01背包格式
    List<Integer> weight = new ArrayList<>(Arrays.asList(1, 3, 4));
    List<Integer> value = new ArrayList<>(Arrays.asList(15, 20, 30));
    List<Integer> nums = new ArrayList<>(Arrays.asList(2, 3, 2));
    int bagWeight = 10;

    for (int i = 0; i < nums.size(); i++) {
        while (nums.get(i) > 1) { // 把物品展开为i
            weight.add(weight.get(i));
            value.add(value.get(i));
            nums.set(i, nums.get(i) - 1);
        }
    }

    int[] dp = new int[bagWeight + 1];
    for(int i = 0; i < weight.size(); i++) { // 遍历物品
        for(int j = bagWeight; j >= weight.get(i); j--) { // 遍历背包容量
            dp[j] = Math.max(dp[j], dp[j - weight.get(i)] + value.get(i));
        }
        System.out.println(Arrays.toString(dp));
    }
}

方式二:增加遍历个数遍历

public void testMultiPack2(){
    // 版本二:改变遍历个数
    int[] weight = new int[] {1, 3, 4};
    int[] value = new int[] {15, 20, 30};
    int[] nums = new int[] {2, 3, 2};
    int bagWeight = 10;

    int[] dp = new int[bagWeight + 1];
    for(int i = 0; i < weight.length; i++) { // 遍历物品
        for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
            // 以上为01背包,然后加一个遍历个数
            for (int k = 1; k <= nums[i] && (j - k * weight[i]) >= 0; k++) { // 遍历个数
                dp[j] = Math.max(dp[j], dp[j - k * weight[i]] + k * value[i]);
            }
            System.out.println(Arrays.toString(dp));
        }
    }
}

28. 背包问题总结

背包问题分类
在这里插入图片描述
最重要的是:将问题抽象为背包问题,并记住动规五部曲

  1. 确定dp数组(dp table)以及下标的含义
  2. 确定递推公式
  3. dp数组如何初始化
  4. 确定遍历顺序
  5. 举例推导dp数组

背包递推公式:

①最大价值:一般用的是Math.max
②最小个数/组合数:一般用的是Math.min,与上一个个数相关
③可能是dp[j-weight[i]]+values[i],也可能是dp[j-weight[i]]+1。判断是个数还是价值。

遍历顺序

01背包

01背包可以分为二维数组和一维数组。

其中二维数组,先物品后背包,或者先背包后物品都可以。
但需要注意的是,背包是倒序遍历,为了防止背包中只有一个物品。

而一维数组只能先物品后背包,是为了保证物品只被加入一次。

完全背包

完全背包的一维数组可以分为两种情况:
①组合问题:先物品后背包
②排列问题:先背包后物品

多重背包

可以转换为01背包,增加次数变量

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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