套路:物够豆包(非潮汕人自行划走)
物就是外层遍历物品
豆包就是潮汕话谐音倒包,也就是倒着遍历背包容量
dp[背包容量]=能装进当前背包容量最大的值。
比如重量和金额都是[1,3,5],背包容量为1,dp[1]是1,dp[2]还是1
dp[3]就可以把三放进去了,dp[4]是4,可以放1和3
诸如此类
然后dp咋推导公式?
dp[重量w] = math.max(
dp[重量w], 不放第i个物品的价值
dp[重量w-weight[i]]+value[i] 放第i个物品,那么上一个dp就是zhonglw-weight[i]
)
上面的口诀还有个够,够就是里层遍历要够到nums[i]
直接上:
上题。
leetcode 416
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] 。
示例 2:
输入:nums = [1,2,3,5]
输出:false
解释:数组不能分割成两个元素和相等的子集。
思路:其实就是拿东西塞一个背包容量为sum/2的,看看能不能塞满。
上套路。
public boolean canPartition(int[] nums) {
int sum = 0;
for(int num:nums){
sum+=num;
}
if(sum%2==1) return false;
int target = sum/2; //背包容量
int[] dp = new int[target+1];
for (int i=0; i<nums.length ; i++) {
for (int j=target; j>=nums[i] ; j--) {
dp[j] = Math.max(dp[j],dp[j-nums[i]]+nums[i]);
}
}
for (int a:dp) {
System.out.println(a) ; }
return dp[target] == target;//是不是塞满了,满了就对了
}
这样就转完了。
leetcode1049
最后一块石头重量
有一堆石头,每块石头的重量都是正整数。
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:
输入:[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。
这道题说实话,我想半天没想明白它是个背包。
后来看了题解,高人说事实上不就是把石头尽可能分成大小差不多的两堆。。。
我感觉智商被碾压。。。
来人,上套路
class Solution {
public int lastStoneWeightII(int[] stones) {
int totalWeight = 0;
for(int stone:stones){
totalWeight+=stone;
}
int target = totalWeight / 2;
int[] dp = new int[target+1];
for(int i=0;i<stones.length;i++){ //物
for (int j=target; j>=stones[i] ; j--) { //够,大于等于,倒着遍历包
dp[j] = Math.max(dp[j-stones[i]]+stones[i]
,dp[j]);
}
}
System.out.println(""+totalWeight+" d "+dp[target]);
return totalWeight -dp[target] * 2; //两堆东西减了
}
}
494目标和
一个整数数组 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
解答:说实话,这个我也没看出和背包有啥关系,注意到这里面nums[i]都是正数哈。
那么好玩的来了,你不是只能加减吗
那么我把数组分为两堆,比如nums = [1,1,1,1,1], target = 3
那么变成
【1,1,1,1】 【1】
这两个背包,前面一个背包是+,后面一个背包是-,不就可以了吗
假设小一点的背包大小是w,那么w+(w+target)=sum,推出w是sum减去target然后除以2
然后dp公式是什么?
我们先上套路
int w = (sum -target) / 2;
int[] dp = new int[w+1];
dp[0]=1;
for (int i=0; i<nums.length ; i++) {
for (int j=w; j>=nums[i] ; j--) {
这里是dp
}
}
一看,嗯。里面肯定是dp[j]=?了
那么思考dp[j]和nums[i]的关系,其实dp[j]和dp[j-nums[i]]的方式数量好像是一样的
只要累加起来就可以了,那么dp[j]+=dp[j-nums[i]
就可以了,这还没完
如果不初始化dp数组待会打印出来全是0!
初始化哪些呢?大于1的可以吗?那肯定不行,谁知道能不能填满呢,考虑0吧。
我们想想[1]这个,只有一个的情况下,dp[1]和dp[1-1]是一样的(上文dp[j]和dp[j-nums[i]]的方式数量好像是一样的)
dp[0]咋初始化?那就等于1呗。
ok题目到现在完全完成。
class Solution {
public int findTargetSumWays(int[] nums, int target) {
int sum = 0;
for(int num:nums){
sum += num;
}
if(target>sum) return 0;
if((sum -target)%2==1) return 0;
int w = (sum -target) / 2;
int[] dp = new int[w+1];
dp[0]=1;
for (int i=0; i<nums.length ; i++) {
for (int j=w; j>=nums[i] ; j--) {
dp[j] = dp[j-nums[i]] + dp[j];
}
}
return dp[w];
}
}
474一和零
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 。
解答:想象一下有两种背包,一个装1,设置为j,一个装0,设置为z
public int findMaxForm(String[] strs, int m, int n) {
int[][] dp = new int[m+1][n+1];
dp[0][0] = 0;
for(int i =0;i<strs.length;i++){//物
int zeroNum = 0,oneNum = 0;
for(char c : strs[i].toCharArray()){
if(c=='0'){
zeroNum++;
}else{
oneNum++;
}
}
for (int j=m; j>=zeroNum ; j--) { //个倒包1
for (int z=n; z>=oneNum; z--) {//个倒包2,这里要算出0和1的个数就是了
dp[j][z] = Math.max(dp[j][z],
dp[j-zeroNum][z-oneNum] + 1
//考虑一下只有一个元素,这里要+1,那么上面dp[0][0]就只能是0
);
}
}
}
return dp[m][n];