1、背包问题
N个物品,每个物品重量为weight[i],价值为value[i],背包最大容量为max
基本公式为:dp[j] = max(dp[j], dp[j - weight[i]] + value[i]) 容量为j的背包能获得的最大价值
题型转换:
将一个数组分成两堆相同大小的子集
public boolean canPartition(int[] nums) {
int sum = 0;
for (int num : nums) {
sum += num;
}
if (sum % 2 != 0) {
return false;
}
int target = sum / 2;
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]);
System.out.println("i = " + i);
System.out.println("j = " + j);
System.out.println(dp[j]);
}
System.out.println("\n");
}
return dp[target] == target;
}
leetcode96 二叉树组合
public int numTrees(int n) {
int[] dp = new int[n + 1];
dp[1] = 1;
dp[2] = 2;
for (int i = 3; i <= n; i++) {
for (int j = 0; j < i; j++) {
dp[i] += dp[j] * dp[i - 1 - j];
}
}
return dp[n];
}
2.完全背包求排列/组合
a.求组合的情况
for (int i = 0; i < coins.size(); i++) { // 遍历物品
for (int j = coins[i]; j <= amount; j++) { // 遍历背包容量
dp[j] += dp[j - coins[i]];
}
}
这里比如 amount = 5,coins[0] = 2 , coins[1] = 3, 遍历第0个物品时,dp[5] += dp[5-2] = 0,并没有记录2,3的情况,遍历完才给dp中的一些元素赋值,
遍历第1个物品时,这时候dp[5] += dp[5-3] = 1,也就是2,3情况
0 1 2 3 4 5
2 1 0 1 0 1 0
3 1 0 0 1 0 1
b.求排列的情况
for (int j = 0; j <= amount; j++) { // 遍历背包容量
for (int i = 0; i < coins.size(); i++) { // 遍历物品
if (j - coins[i] >= 0) dp[j] += dp[j - coins[i]];
}
}
同样 amount = 5,coins[0] = 2 , coins[1] = 3
0 1 2 3 4 5
2 1 0 1 0 1 1
3 1 0 1 1 0 2
应该按容量看每一列,遍历完容量容量为2的背包时dp[2] = dp[2-2] = 1,遍历完容量为3的背包
dp[3] = dp[3-3] = 1,
遍历完容量为5的背包,coins[0],coins[1]都符合条件,dp[5] += dp[5-2] + dp[5-3] = 2,其实也就是包含了{2,3}和{3,2}
c.dp[0]的初始化
dp[0] = 0的情况:求能组成target的最小个数
dp[0] = 1的情况:求能组合/排列的个数
3.多重背包
多加了一个每个物品的个数,在遍历每个物品时在遍历一下个数即可
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]);
}
}
}
4.股票买入问题
最多可以买入K,所以有2K个状态,需要注意的是奇数时买入股票,偶数时卖出股票即可
每一个状态都有两种情况,操作/不操作,即拿原状态的值和操作后的值取大。初始化和leetcode123类似,把买入操作初始化为prices[0]
class Solution {
public int maxProfit(int k, int[] prices) {
int len = prices.length;
if (k == 0 || len == 0) {
return 0;
}
int[] dp = new int[2*k];
for (int i = 0; i < dp.length; i++) {
if (i % 2 == 0) {
dp[i] = -prices[0];
}
}
for (int i = 1; i < prices.length; i++) {
dp[0] = Math.max(dp[0], -prices[i]);
for (int j = 1; j < 2*k; j++) {
if (j % 2 != 0) {
dp[j] = Math.max(dp[j - 1] + prices[i], dp[j]);
} else {
dp[j] = Math.max(dp[j], dp[j - 1] - prices[i]);
}
}
}
return dp[2*k - 1];
}
}
卖出后有一天的冷冻期,所以在分成持有股票和未持有股票两种状态时有一些变化
持有股票只能从延续前一个持有状态或者在从冷冻期前的值来得到
解法一:两种状态
class Solution {
public int maxProfit(int[] prices) {
int len = prices.length;
if (len == 1) {
return 0;
}
int[][] dp = new int[len][2];
dp[0][0] = -prices[0];
dp[0][1] = 0;
dp[1][0] = Math.max(dp[0][0], -prices[1]);
dp[1][1] = Math.max(dp[0][1], dp[0][0] + prices[1]);
for (int i = 2; i < len; i++) {
dp[i][0] = Math.max(dp[i - 2][1] - prices[i],dp[i - 1][0]);
dp[i][1] = Math.max(dp[i - 1][0] + prices[i], dp[i - 1][1]);
}
return dp[len - 1][1];
}
}
解法二:三种状态
class Solution {
public int maxProfit(int[] prices) {
if (prices == null || prices.length == 0) {
return 0;
}
//由于可以无限次交易,所以只定义两个维度,第一个维度是天数,第二个维度表示是否持有股票,0表示不持有,1表示持有,2表示过渡期
int[][] dp = new int[prices.length][3];
dp[0][0] = 0;
dp[0][1] = -prices[0];
dp[0][2] = 0;
for (int i = 1; i < prices.length; i++) {
//第i天不持有股票的情况有两种
//a.第i-1天也不持有股票
//b.第i-1天是过渡期
dp[i][0] = Math.max(dp[i-1][0], dp[i-1][2]);
//第i天持有股票有两种情况
//a.第i-1天也持有股票,第i天不操作,
//b.第i-1天不持有股票,在第i天买入
dp[i][1] = Math.max(dp[i-1][1], dp[i-1][0] - prices[i]);
//第i天是冷冻期只有一种情况,第i-1天持有股票且卖出
dp[i][2] = dp[i-1][1] + prices[i];
}
//最后最大利润为最后一天,不持有股票或者进入冷冻期的情况
return Math.max(dp[prices.length-1][0], dp[prices.length-1][2]);
}
}
5.最長遞增子序列