416. 分割等和子集
题目链接:. - 力扣(LeetCode)
讲解视频:
动态规划之背包问题,这个包能装满吗?| LeetCode:416.分割等和子集
题目描述:
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] 。
解题思路:
算法思路:
先将问题转化成我们「熟悉」的题型。
如果数组能够被分成两个相同元素之和相同的子集,那么原数组必须有下面几个性质:
- 所有元素之和应该是一个偶数;
- 数组中最大的元素应该小于所有元素总和的一半;
- 挑选一些数,这些数的总和应该等于数组总和的一半。
根据前两个性质,我们可以提前判断数组能够被划分。根据最后一个性质,我们发现问题就转化成了「01 背包」的模型:
- 数组中的元素只能选择一次;
- 每个元素面临被选择或者不被选择的处境;
- 选出来的元素总和要等于所有元素总和的一半。
其中,数组内的元素就是物品,总和就是背包。那么我们就可以用背包模型的分析方式,来处理这道题。
1. 状态表示:
dp[i][j] 表示在前 i 个元素中选择,所有的选法中,能否凑成总和为 j 这个数。
2. 状态转移方程:
根据「最后一个位置」的元素,结合题目的要求,分情况讨论:
- 不选择 nums[i] :那么我们是否能够凑成总和为 j ,就要看在前 i - 1 个元素中选,能否凑成总和为 j 。根据状态表示,此时 dp[i][j] = dp[i - 1][j] ;
- 选择 nums[i] :这种情况下是有前提条件的,此时的 nums[i] 应该是小于等于 j 。因为如果这个元素都比要凑成的总和大,选择它就没有意义呀。那么我们是否能够凑成总和为 j ,就要看在前 i - 1 个元素中选,能否凑成总和为 j - nums[i] 。根据状态表示,此时 dp[i][j] = dp[i - 1][j - nums[i]] 。
综上所述,两种情况下只要有一种能够凑成总和为 j ,那么这个状态就是 true 。因此,状态转移方程为:
dp[i][j] = dp[i - 1][j]
if(nums[i - 1] <= j) dp[i][j] = dp[i][j] || dp[i - 1][j -nums[i]]
3. 初始化:
由于需要用到上一行的数据,因此我们可以先把第一行初始化。第一行表示不选择任何元素,要凑成目标和 j 。只有当目标和为 0 的时候才能做到,因此第一行仅需初始化第一个元素 dp[0][0] = true
4. 填表顺序:
根据「状态转移方程」,我们需要「从上往下」填写每一行,每一行的顺序是「无所谓的」。
5. 返回值:
根据「状态表示」,返回 dp[n][aim] 的值。其中 n 表示数组的大小, aim 表示要凑的目标和。
代码:
class Solution {
public:
bool canPartition(vector<int>& nums) {
int sum = 0;
for(auto x : nums) sum += x;
if(sum % 2 != 0) return false;
int v = sum / 2;
int n = nums.size();
vector<vector<bool>> dp(n+1,vector<bool>(v+1));
dp[0][0] = true;
for(int i = 1; i <= n; i++)
{
for(int j = 0; j <= v; j++)
{
dp[i][j] = dp[i-1][j];
if(j >= nums[i-1])
dp[i][j] = dp[i][j] || dp[i-1][j-nums[i-1]];
}
}
return dp[n][v];
}
};
1049.最后一块石头的重量II
题目链接:. - 力扣(LeetCode)
讲解视频:
这个背包最多能装多少?LeetCode:1049.最后一块石头的重量II
题目描述:
有一堆石头,用整数数组 stones
表示。其中 stones[i]
表示第 i
块石头的重量。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 1:
输入:stones = [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。
解题思路:
算法思路:
先将问题「转化」成我们熟悉的题型。
- 任意两块石头在一起粉碎,重量相同的部分会被丢掉,重量有差异的部分会被留下来。那就相当于在原始的数据的前面,加上「加号」或者「减号」,是最终的结果最小即可。也就是说把原始的石头分成两部分,两部分的和越接近越好。
- 又因为当所有元素的和固定时,分成的两部分越接近数组「总和的一半」,两者的差越小。因此问题就变成了:在数组中选择一些数,让这些数的和尽量接近 sum / 2 ,如果把数看成物品,每个数的值看成体积和价值,问题就变成了「01 背包问题」。
1. 状态表示:
dp[i][j] 表示在前 i 个元素中选择,总和不超过 j,此时所有元素的「最大和」。
2. 状态转移方程:
根据「最后一个位置」的元素,结合题目的要求,分情况讨论:
- 不选 stones[i] :那么我们是否能够凑成总和为 j ,就要看在前 i - 1 个元素中选,能否凑成总和为 j 。根据状态表示,此时 dp[i][j] = dp[i - 1][j] ;
- 选择 stones[i] :这种情况下是有前提条件的,此时的 stones[i] 应该是小于等于j 。因为如果这个元素都比要凑成的总和大,选择它就没有意义呀。那么我们是否能够凑成总和为 j ,就要看在前 i - 1 个元素中选,能否凑成总和为 j - stones[i] 。根据状态表示,此时 dp[i][j] = dp[i - 1][j - stones[i]] + stones[i] 。
综上所述,我们要的是最大价值。因此,状态转移方程为:
dp[i][j] = dp[i - 1][j];
if(j >= stones[i]) dp[i][j] = dp[i][j] + dp[i - 1][j - stones[i]]+ stones[i] 。
3. 初始化:
由于需要用到上一行的数据,因此我们可以先把第一行初始化。第一行表示「没有石子」。因此想凑成目标和 j ,最大和都是 0 。
4. 填表顺序:
根据「状态转移方程」,我们需要「从上往下」填写每一行,每一行的顺序是「无所谓的」。
5. 返回值:
- 根据「状态表示」,先找到最接近 sum / 2 的最大和 dp[n][sum / 2] ;
- 因为我们要的是两堆石子的差,因此返回 sum - 2 * dp[n][sum / 2] 。
代码:
class Solution {
public:
int lastStoneWeightII(vector<int>& stones) {
int n = stones.size(), sum = 0;
for(auto x : stones) sum += x;
int aim = sum / 2;
vector<vector<int>> dp(n+1,vector<int>(aim+1));
for(int i = 1; i <= n; i++)
{
for(int j = 0; j <= aim; j++)
{
dp[i][j] = dp[i-1][j];
if(j >= stones[i-1])
dp[i][j] = max(dp[i][j], dp[i-1][j-stones[i-1]]+stones[i-1]);
}
}
int remain = sum - dp[n][aim];
return abs(dp[n][aim] - remain);
}
};
494.目标和
题目链接:. - 力扣(LeetCode)
讲解视频:
题目描述:
给你一个非负整数数组 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。
解题思路:
算法思路:
本题可以转化成我们常见的「背包模型」的问题。设我们最终选取的结果中,前面加 + 号的数字之和为 a ,前面加 - 号的数字之和为 b ,整个数组的总和为 sum ,于是我们有:
- a + b = sum
- a - b = target
上面两个式子消去 b 之后,可以得到 a = (sum + target) / 2
也就是说,我们仅需在 nums 数组中选择一些数,将它们凑成和为 (sum + target) / 2 即
可。问题就变成了 416. 分割等和子集 这道题。我们可以用相同的分析模式,来处理这道题。
1. 状态表示:
dp[i][j] 表示:在前 i 个数中选,总和正好等于 j ,一共有多少种选法。
2. 状态转移方程:
老规矩,根据「最后一个位置」的元素,结合题目的要求,我们有「选择」最后一个元素或者「不选择」最后一个元素两种策略:
- 不选 nums[i] :那么我们凑成总和 j 的总方案,就要看在前 i - 1 个元素中选,凑成总和为 j 的方案数。根据状态表示,此时 dp[i][j] = dp[i - 1][j] ;
- 选择 nums[i] :这种情况下是有前提条件的,此时的 nums[i] 应该是小于等于 j 。因为如果这个元素都比要凑成的总和大,选择它就没有意义呀。那么我们能够凑成总和为j 的方案数,就要看在前 i - 1 个元素中选,能否凑成总和为 j - nums[i] 。根据状态表示,此时 dp[i][j] = dp[i - 1][j - nums[i]]
综上所述,两种情况如果存在的话,应该要累加在一起。因此,状态转移方程为:
dp[i][j] = dp[i - 1][j]
if(nums[i - 1] <= j) dp[i][j] += dp[i - 1][j - nums[i- 1]]
3. 初始化:
由于需要用到「上一行」的数据,因此我们可以先把第一行初始化。第一行表示不选择任何元素,要凑成目标和 j 。只有当目标和为 0 的时候才能做到,因此第一行仅需初始化第一个元素 dp[0][0] = 1
4. 填表顺序:
根据「状态转移方程」,我们需要「从上往下」填写每一行,每一行的顺序是「无所谓的」。
5. 返回值:
根据「状态表示」,返回 dp[n][aim] 的值。其中 n 表示数组的大小, aim 表示要凑的目标和。
代码:
class Solution {
public:
int findTargetSumWays(vector<int>& nums, int target) {
int n = nums.size(), sum = 0;
for(auto x : nums) sum += x;
int aim = (sum + target) / 2;
if(aim < 0 || (sum + target) % 2) return 0;
vector<vector<int>> dp(n+1,vector<int>(aim+1));
dp[0][0] = 1;
for(int i = 1; i <= n; i++)
{
for(int j = 0; j <= aim; j++)
{
dp[i][j] = dp[i-1][j];
if(j >= nums[i-1])
dp[i][j] += dp[i-1][j-nums[i-1]];
}
}
return dp[n][aim];
}
};
474.一和零
题目链接:. - 力扣(LeetCode)
讲解视频:
装满这个背包最多用多少个物品?| LeetCode:474.一和零
题目描述:
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 。
解题思路:
算法思路:
先将问题转化成我们熟悉的题型。
- 在一些物品中「挑选」一些出来,然后在满足某个「限定条件」下,解决一些问题,大概率是背包模型;
- 由于每一个物品都只有 1 个,因此是一个「01 背包问题」。
但是,我们发现这一道题里面有「两个限制条件」。因此是一个「二维费用的 01 背包问题」。那么我们定义状态表示的时候,来一个三维 dp 表,把第二个限制条件加上即可。
1. 状态表示:
dp[i][j][k] 表示:从前 i 个字符串中挑选,字符 0 的个数不超过 j ,字符 1 的个数不超过 k ,所有的选法中,最大的长度。
2. 状态转移方程:
线性 dp 状态转移方程分析方式,一般都是「根据最后一步」的状况,来分情况讨论。为了方便叙述,我们记第 i 个字符中,字符 0 的个数为 zero ,字符 1 的个数为 one :
- 不选第 i 个字符串:相当于就是去前 i - 1 个字符串中挑选,并且字符 0 的个数不超过 j ,字符 1 的个数不超过 k 。此时的最大长度为 dp[i][j][k] = dp[i - 1][j][k] ;
- 选择第 i 个字符串:那么接下来我仅需在前 i - 1 个字符串里面,挑选出来字符 0 的个数不超过 j -zero ,字符 1 的个数不超过 k - one 的最长长度,然后在这个长度后面加上字符串 i 即可。。此时 dp[i][j][k] = dp[i - 1][j - zero][k-one] + 1 。但是这种状态不一定存在,因此需要特判一下。
综上,状态转移方程为: dp[i][j][k] = max(dp[i][j][k], dp[i - 1][j - zero][k-one]+1)
[k - b] + 1) 。
3. 初始化:
当没有字符串的时候,没有长度,因此初始化为 0 即可。
4. 填表顺序:
保证第一维的循环「从小到大」即可。
5. 返回值:
根据「状态表示」,我们返回 dp[len][m][n] 。其中 len 表示字符串数组的长度。
代码:
class Solution {
public:
int findMaxForm(vector<string>& strs, int m, int n) {
int len = strs.size();
vector<vector<vector<int>>> dp(len+1,vector<vector<int>>(m+1,vector<int>(n+1)));
for(int i = 1; i <= len; i++)
{
int zero = 0, one = 0;
for(auto x : strs[i-1])
{
if(x == '0') zero++;
else one++;
}
for(int j = 0; j <= m; j++)
{
for(int k = 0; k <= n; k++)
{
dp[i][j][k] = dp[i-1][j][k];
if(j >= zero && k >= one)
dp[i][j][k] = max(dp[i][j][k],dp[i-1][j-zero][k-one]+1);
}
}
}
return dp[len][m][n];
}
};