【leetcode】动态规划刷题记录(三)背包问题
文章目录
前言
本文是基于leetcode动态规划例题的学习记录
先贴一张背包分类图
01背包问题
动态规划:01背包理论基础
动态规划:01背包理论基础(滚动数组)
题解解决了我长久以来刷01背包的疑惑,为什么滚动数组遍历顺序要倒过来?
倒序遍历是为了保证物品i只被放入一次!。但如果一旦正序遍历了,那么物品0就会被重复加入多次!
举一个例子:物品0的重量weight[0] = 1,价值value[0] = 15
如果正序遍历
dp[1] = dp[1 - weight[0]] + value[0] = 15
dp[2] = dp[2 - weight[0]] + value[0] = 30
此时dp[2]就已经是30了,意味着物品0,被放入了两次,所以不能正序遍历。
为什么倒序遍历,就可以保证物品只放入一次呢?
倒序就是先算dp[2]
dp[2] = dp[2 - weight[0]] + value[0] = 15 (dp数组已经都初始化为0)
dp[1] = dp[1 - weight[0]] + value[0] = 15
所以从后往前循环,每次取得状态不会和之前取得状态重合,这样每种物品就只取一次了。
而且,倒序遍历的另一个原因是,本质上还是一个对二维数组的遍历,并且右下角的值依赖上一层左上角的值,因此需要保证左边的值仍然是上一层的,从右向左覆盖。
啪唧啪唧~
416. 分割等和子集
链接
第一眼很像是双指针的题目,于是就先用双指针做了下,没办法,问题太多了~
还是老老实实用背包吧
class Solution {
public:
bool canPartition(vector<int>& nums) {
int res = 0;
for(int i = 0; i < nums.size(); i ++ )
res += nums[i];
if(res % 2)return false;
res /= 2;
vector<int> dp(res + 1);
for(int i = 0; i < nums.size(); i ++ )
for(int j = res; j >= nums[i]; j -- )
dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);
return dp[res] == res;
}
};
1049. 最后一块石头的重量 II
和第一题相差不大,过~
class Solution {
public:
int lastStoneWeightII(vector<int>& stones) {
int res = 0;
for(int i = 0; i < stones.size(); i ++ )
res += stones[i];
int size = res / 2;
vector<int> dp(res + 1);
for(int i = 0; i < stones.size(); i ++ )
for(int j = res; j >= stones[i]; j -- )
dp[j] = max(dp[j], dp[j - stones[i]] + stones[i]);
return res - (2 * dp[size]);
}
};
494. 目标和
这里不一样的点是要计算有多少种方式而不是最大值,所以状态计算得改成dp[j] += dp[j - nums[i]];
class Solution {
public:
int findTargetSumWays(vector<int>& nums, int target) {
int sum = 0;
for(int i = 0; i < nums.size(); i ++ )
sum += nums[i];
target = sum - target;
if(target < 0)return 0;
if(target % 2)return 0;
target /= 2;
vector<int> dp(target + 1);
dp[0] = 1;
for(int i = 0; i < nums.size(); i ++ )
for(int j = target; j >= nums[i]; j -- )
dp[j] += dp[j - nums[i]];
return dp[target];
}
};
474. 一和零
链接
这里相当于有两个背包,那就用二维数组来表示
求最大子集的长度状态计算就写成dp[i][j] = max(dp[i][j], dp[i - zero][j - one] + 1);
class Solution {
public:
int findMaxForm(vector<string>& strs, int m, int n) {
vector<vector<int>> dp(m + 1, vector<int> (n + 1));
for(string str : strs)
{
int zero = 0, one = 0;
for(int i = 0; i < str.size(); i ++ )
{
if(str[i] == '1')one ++;
else zero ++;
}
for(int i = m; i >= zero; i -- )
for(int j = n; j >= one; j -- )
dp[i][j] = max(dp[i][j], dp[i - zero][j - one] + 1);
}
return dp[m][n];
}
};
完全背包问题
动态规划:完全背包总结篇
首先再回顾一下01背包的核心代码
for(int i = 0; i < weight.size(); i++) { // 遍历物品
for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
}
}
我们知道01背包内嵌的循环是从大到小遍历,为了保证每个物品仅被添加一次。
而完全背包的物品是可以添加多次的,所以要从小到大去遍历,即:
// 先遍历物品,再遍历背包
for(int i = 0; i < weight.size(); i++) { // 遍历物品
for(int j = weight[i]; j <= bagWeight ; j++) { // 遍历背包容量
dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
}
}
518. 零钱兑换 II
链接
模板题,但是数组忘记初始dp[0] = 1了,害得debug好久~
class Solution {
public:
int change(int amount, vector<int>& coins) {
vector<int> dp(amount + 1);
dp[0] = 1;
for(int i = 0; i < coins.size(); i ++ )
for(int j = coins[i]; j <= amount; j ++ )
dp[j] += dp[j - coins[i]];
for(int i = 0; i <= amount; i ++ )cout << dp[i] << ' ';
return dp[amount];
}
};
来看看这一题题解的一段话,对下一题有帮助:
本题中我们是外层for循环遍历物品(钱币),内层for遍历背包(金钱总额),还是外层for遍历背包(金钱总额),内层for循环遍历物品(钱币)呢?
我在动态规划:关于完全背包,你该了解这些!中讲解了完全背包的两个for循环的先后顺序都是可以的。
但本题就不行了!
因为纯完全背包求得装满背包的最大价值是多少,和凑成总和的元素有没有顺序没关系,即:有顺序也行,没有顺序也行!
而本题要求凑成总和的组合数,元素之间明确要求没有顺序。
所以纯完全背包是能凑成总和就行,不用管怎么凑的。
本题是求凑出来的方案个数,且每个方案个数是为组合数。
那么本题,两个for循环的先后顺序可就有说法了。
我们先来看 外层for循环遍历物品(钱币),内层for遍历背包(金钱总额)的情况。
代码如下:
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]];
}
}
假设:coins[0] = 1,coins[1] = 5。
那么就是先把1加入计算,然后再把5加入计算,得到的方法数量只有{1, 5}这种情况。而不会出现{5, 1}的情况。
所以这种遍历顺序中dp[j]里计算的是组合数!
如果把两个for交换顺序,代码如下:
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]];
}
}
背包容量的每一个值,都是经过 1 和 5 的计算,包含了{1, 5} 和 {5, 1}两种情况。
此时dp[j]里算出来的就是排列数!
377. 组合总和 Ⅳ
链接
本来以为和上题一样,结果再看仔细点,原来是还要考虑顺序。想不出来,看看题解吧~
如果求组合数就是外层for循环遍历物品,内层for遍历背包。
如果求排列数就是外层for遍历背包,内层for循环遍历物品。
原来如此!再写一遍:
class Solution {
public:
int combinationSum4(vector<int>& nums, int target) {
vector<int> dp(target + 1);
dp[0] = 1;
for(int i = 0; i <= target; i ++ )
for(int j = 0; j < nums.size(); j ++ )
if(i >= nums[j]) dp[i] += dp[i - nums[j]];
return dp[target];
}
};
还是报错,int越界,这个测试用例有点离谱啊~
class Solution {
public:
int combinationSum4(vector<int>& nums, int target) {
vector<int> dp(target + 1);
dp[0] = 1;
for(int i = 0; i <= target; i ++ )
for(int j = 0; j < nums.size(); j ++ )
if(i >= nums[j] && dp[i] < INT_MAX - dp[i - nums[j]]) dp[i] += dp[i - nums[j]];
return dp[target];
}
};
322. 零钱兑换
链接
改下状态计算就行,过~
class Solution {
public:
int coinChange(vector<int>& coins, int amount) {
vector<int> dp(amount + 1, INT_MAX);
dp[0] = 0;
for(int i = 0; i < coins.size(); i ++ )
for(int j = coins[i]; j <= amount; j ++ )
if (dp[j - coins[i]] != INT_MAX)
dp[j] = min(dp[j], dp[j - coins[i]] + 1);
return dp[amount] == INT_MAX ? -1 : dp[amount];
}
};
279. 完全平方数
链接
没啥好说的,一模一样的题
class Solution {
public:
int numSquares(int n) {
vector<int> dp(n + 1, INT_MAX);
dp[0] = 0;
for (int i = 0; i <= n; i++) {
for (int j = 1; j * j <= i; j++) {
dp[i] = min(dp[i], dp[i - j * j] + 1);
}
}
return dp[n];
}
};
139. 单词拆分
class Solution {
public:
bool wordBreak(string s, vector<string>& wordDict) {
unordered_set<string> wordSet(wordDict.begin(), wordDict.end());
vector<bool> dp(s.size() + 1, false);
dp[0] = true;
for (int i = 1; i <= s.size(); i++) { // 遍历背包
for (int j = 0; j < i; j++) { // 遍历物品
string word = s.substr(j, i - j); //substr(起始位置,截取的个数)
if (wordSet.find(word) != wordSet.end() && dp[j]) {
dp[i] = true;
}
}
}
return dp[s.size()];
}
};