动态规划6：单词拆分、多重背包理论基础、背包问题总结

小小小码猿

于 2023-10-24 20:33:31 发布

阅读量60

点赞数

分类专栏： #代码随想录学习打卡文章标签： 1024程序员节

本文链接：https://blog.csdn.net/evildoerxmf/article/details/134005968

版权

#代码随想录学习打卡专栏收录该内容

38 篇文章 0 订阅

订阅专栏

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

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。
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。
初始化
dp[0]=true，由结果反推
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。
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0	1	15
物品1	3	20
物品2	4	30

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0	1	15
物品0	1	15
物品1	3	20
物品1	3	20
物品1	3	20
物品2	4	30
物品2	4	30
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));
        }
    }
}