先自我介绍一下,小编浙江大学毕业,去过华为、字节跳动等大厂,目前阿里P7
深知大多数程序员,想要提升技能,往往是自己摸索成长,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年最新Python全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上Python知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
如果你需要这些资料,可以添加V获取:vip1024c (备注Python)
正文
🌞文章目的:
背包问题解题模板分享
🌞
🙏博主也在学习阶段,如若发现问题,请告知,非常感谢🙏
💗
同时也非常感谢各位小伙伴们的支持
💗
🌈每日一语:物理试卷被风轻拖,岁月蹉跎,都不如,如昨! 🌈
💗感谢: 我只是站在巨人们的肩膀上整理本篇文章,感谢走在前路的大佬们!💗
海賊王になるって、俺は決めたんだから、そのために戦って死ぬなら、別にいい。
我决定了要成为海贼王便要为此而战,就算死也不要紧。
文章目录
-
【算法模板】动态规划(基础背包篇)—附习题
-
- 背包问题简介
-
经典01背包模板
-
分类解题模板
-
- 模板
-
分割等和子集
-
爬楼梯(进阶)
-
组合总和IV
-
最后一块石头2
-
掷骰子的N种方法
-
总结和习题
-
参考
背包问题(Knapsack problem) 是一种组合优化的 NP
完全问题。问题可以描述为:给定一组物品,每种物品都有自己的重量和价格,在限定的总重量内,我们如何选择,才能使得物品的总价格最高。问题的名称来源于如何选择最合适的物品放置于给定背包中。
而目前的背包问题大致可以分为九解,俗称背包九解
。而今天给大家带来比较常见的几种背包问题的秒杀模板!!!
常见的背包类型主要有以下几种:
-
1、0/1背包问题:每个元素最多选取一次
-
2、完全背包问题:每个元素可以重复选择
-
3、组合背包问题:背包中的物品要考虑顺序
-
4、分组背包问题:不止一个背包,需要遍历每个背包
且每个背包的要求也是不同的,经常会有一下一些问题:
-
最大/小值问题。
-
是否存在问题。
-
组合问题。
而这些问题基本上是涵盖了很多背包问题,所以本篇文章就带大家来透过迷雾看本质!!!
本篇文章时博主站在巨人们的肩膀上整理出来文章。如果哪个地方不足,还请大佬们斧正,我将不尽感激!!
先来个简单的入门背包。
01背包简介:
01背包是背包问题中入门的一个背包问题,一般01背包是每个元素最多选取一次。
我们来看一个最最最经典的01背包习题:
也就说这个背包是最经典入门问题,我们先来看一下它的二维数组的解题模板。
Python版本:
def a(item,cap):
#创建一个二维数组
key = [[0 for _ in range(cap + 1)] for _ in range(len(item) + 1)]
#进行循环判断
for y in range(1,len(item) +1):
#记录每个物品的重量和价值
value = item[y-1][0]
weight = item[y-1][1]
#循环背包容量
for x in range(cap+1):
#如果背包容量大于该物品重量,进行判断原来的背包价值,和加上这个物品后价值的比较取最大值。
if x >= weight:
key[y][x] = max(key[y-1][x] , key[y-1][x - weight]+value)
#如果小于,就直接继承上面的值。
else:key[y][x] = key[y-1][x]
return key[-1][-1]
item = [[1,2],[4,3],[5,6],[6,7]]
cap = 10
print(a(item,cap))
Java版本:
class Solution {
public int Beibao(int[] c, int a) {
int[][] dp = new int[c.length + 1][a + 1];
for (int i = 0 ; i < c.length ; i ++){
value = c[i][0];
weight = c[i][1];
for (int j = 1 ; j < a + 1 ; j ++){
if (j >= weight){
dp[i][j] = Math.min(dp[i - 1][j - weight] +value , dp[i - 1][j]) ;
}
else{
dp[i][j] = dp[i - 1][j];
}
}
}
return dp[-1][-1];
}
}
OK,我们是看过了上面的二维模板,其实我们能进行一个优化,将其转化为一维的dp空间。转换的时候第二个循环需要倒序,这个是一个对初学者比较难理解的问题,博主建议大家可以去B站找一个视频看一下动态的讲解。
一维模板:
Python版:
def a(item,cap):
#创建一个二维数组
key = [0 for _ in range(cap + 1)]
#进行循环判断
for y in range(1,len(item) +1):
#记录每个物品的重量和价值
value = item[y-1][0]
weight = item[y-1][1]
#循环背包容量,倒序记着
for x in range(cap,-1,-1):
#如果背包容量大于该物品重量,进行判断原来的背包价值,和加上这个物品后价值的比较取最大值。
if x >= weight:
key[x] = max(key[x] , key[x - weight]+value)
#如果小于,就直接继承上面的值。
else:key[x] = key[x]
return key[-1]
item = [[1,2],[4,3],[5,6],[6,7]]
cap = 10
print(a(item,cap))
Java版本:
class Solution {
public int Beibao(int[] c, int a) {
int[][] dp = new int[a + 1];
for (int i = 0 ; i < c.length ; i ++){
value = c[i][0];
weight = c[i][1];
for (int j = a ; j >= 0 ; j --){
if (j >= weight){
dp[j] = Math.min(dp[j - weight] +value , dp[j]) ;
}
else{
dp[j] = dp[j];
}
}
}
return dp[-1];
}
}
模板
在上述中我们知道了一些常见的背包问题,其实在上述每个问题中都是适用于下面的总结:
首先是背包分类的模板:
-
1、0/1背包:外循环nums,内循环target,target倒序且target>=nums[i];
-
2、完全背包:外循环nums,内循环target,target正序且target>=nums[i];
-
3、组合背包(考虑顺序):外循环target,内循环nums,target正序且target>=nums[i];
-
4、分组背包:这个比较特殊,需要三重循环:外循环背包bags,内部两层循环根据题目的要求转化为1,2,3三种背包类型的模板
然后是问题分类的模板:
-
1、最值问题: dp[i] = max/min(dp[i], dp[i-nums]+1)或dp[i] = max/min(dp[i], dp[i-num]+nums);
-
2、存在问题(bool):dp[i]=dp[i]||dp[i-num];
-
3、组合问题:dp[i]+=dp[i-num];
上面这个真的是对做这种背包问题十分十分重要的!!!
上面这个真的是对做这种背包问题十分十分重要的!!!
上面这个真的是对做这种背包问题十分十分重要的!!!
分割等和子集
题目:
给你一个 只包含正整数 的 非空 数组
nums
。请你判断是否可以将这个数组分割成两个子集,使得两个子集的元素和相等。
示例1:
输入:nums = [1,5,11,5]
输出:true
解释:数组可以分割成 [1, 5, 5] 和 [11] 。
思路:
本题可以说是一个非常经典的 01背包 问题。首先当这个 nums
和为奇数的时候肯定是不满足本题要求的,所以肯定就直接排除。当为偶数的时候,我们可以以nums
数组和的 一半 当作 背包容量 ,且nums
里面的元素当作 物品 。当然这个也是一个 存在问题 ,所以这个我们就可以直接套用上述的 模板2 (dp[i]=dp[i]||dp[i-num]
)。
代码部分
Java版本:
class Solution {
public boolean canPartition(int[] nums) {
//计算数组nums的和
int sum = 0;
for (int s : nums){
sum += s;
}
//判断和是否为偶数
if (sum % 2 != 0) return false;
int t = sum / 2;//获取背包容量
boolean[] dp = new boolean[t + 1];//dp数组的创建
dp[0] = true;//设置最开始的为True,因为最开始的背包容量为0的时候肯定是True
for (int i = 0; i < nums.length; i++){//外循环为nums
int c = nums[i];
for (int j = t; j > 0 ; j–){//内循环为target,且一定要使用倒序,这个不明白的可以看最后的参考部分
if (j == c) dp[j] = true;//当nums中的物品等于背包容量时,肯定是为True的
if (j >= c) {//这个就需要判断nums数组中是相加是否能满足背包容量吗
dp[j] = dp[j] || dp[ j- c ];
}
}
}
return dp[t];//最后返回结果
}
}
Python版本:
class Solution:
def canPartition(self, nums: List[int]) -> bool:
s = sum(nums)
if s % 2 != 0:
return False
s //= 2
dp = [False] * (s + 1)
for i in range(len(nums)):
x = nums[i]
for j in range(s, 0,-1):
if x == j :
dp[j] = True
else:
if j - x >= 0:
dp[j] = dp[j] or dp[j - x]
else:
dp[j] = dp[j]
return dp[s]
OK,这个 01背包问题 大家可以去练习练习哦!!!
爬楼梯(进阶)
题目:
假设你正在爬楼梯。需要
n
阶你才能到达楼顶。
每次你可以爬
1
或2
个台阶。你有多少种不同的方法可以爬到楼顶呢?
示例1:
输入:n = 2
输出:2
解释:有两种方法可以爬到楼顶。
-
1 阶 + 1 阶
-
2 阶
首先本题是一个非常简单的 DP 问题,我们可以使用一维的 DP数组 来进行求解,且很快就能解出来。但是,如果我们把题目给换一个下—— 将爬楼梯的方法改为1、2、3、4…这样这个就是完全背包问题,且就可以把方法当作物品
,楼梯阶数当作背包容量
,且满足上诉的第三类模块—dp[i]+=dp[i-num]
且这个就是一个外循环target
和内循环nums
。OK,接下来我们来看代码解析。
代码部分
Java版本:
class Solution {
public int climbStairs(int n) {
int[] dp = new int[n + 1];//定义dp数组
dp[0] = 1;//初始化dp数组,第一个下标值为1
for (int i = 1; i < n + 1; i++){//外循环target从1开始
for (int j = 1 ; j < 3 ; j++){//内循环nums
if (i >= j){//判断如果背包容量大于物品重量则计算共有多少种
dp[i] += dp[i - j];
}
}
}
return dp[n];
}
}
Python版本:
class Solution:
def climbStairs(self, n: int) -> int:
dp = [0] * (n + 1)
dp[0] = 1
for i in range(1,n + 1):
for j in range(1, 3):
if i >= j :
dp[i] += dp[i - j]
return dp[-1]
组合总和IV
题目:
给你一个由 不同 整数组成的数组
nums
,和一个目标整数target
。请你从nums
中找出并返回总和为target
的元素组合的个数。
感谢每一个认真阅读我文章的人,看着粉丝一路的上涨和关注,礼尚往来总是要有的:
① 2000多本Python电子书(主流和经典的书籍应该都有了)
② Python标准库资料(最全中文版)
③ 项目源码(四五十个有趣且经典的练手项目及源码)
④ Python基础入门、爬虫、web开发、大数据分析方面的视频(适合小白学习)
⑤ Python学习路线图(告别不入流的学习)
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
需要这份系统化的资料的朋友,可以添加V获取:vip1024c (备注python)
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
题目:
给你一个由 不同 整数组成的数组
nums
,和一个目标整数target
。请你从nums
中找出并返回总和为target
的元素组合的个数。
感谢每一个认真阅读我文章的人,看着粉丝一路的上涨和关注,礼尚往来总是要有的:
① 2000多本Python电子书(主流和经典的书籍应该都有了)
② Python标准库资料(最全中文版)
③ 项目源码(四五十个有趣且经典的练手项目及源码)
④ Python基础入门、爬虫、web开发、大数据分析方面的视频(适合小白学习)
⑤ Python学习路线图(告别不入流的学习)
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
需要这份系统化的资料的朋友,可以添加V获取:vip1024c (备注python)
[外链图片转存中…(img-eknx3Yv2-1713219883287)]
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!