代码随想录算法训练营day43|第九章 动态规划part05：1049. 最后一块石头的重量 II、494. 目标和、474.一和零

1049. 最后一块石头的重量 II 

本题就和 昨天的 416. 分割等和子集 很像了，可以尝试先自己思考做一做。 

视频讲解：动态规划之背包问题，这个背包最多能装多少？LeetCode：1049.最后一块石头的重量II_哔哩哔哩_bilibili

代码随想录

这道题需要间接考虑，可以转化为能不能将整个数组尽量分成两个和一样的分数组，这样求最后的石头的质量就是求两个分数组的和之间的最小差值，就变成了和。

416. 分割等和子集 (opens new window)差不多一个思路。还要注意一点是，无论这两道题哪一题都不能通过sum是偶数来直接得出结果，只是有这种恰好分成两个总和相等的分数组的可能性而已（其实只是前提条件，并不是等价），也并不一定如此。

int lastStoneWeightII(vector<int>& stones) {
        int sum=0,half=0;
        for(int i=0;i<stones.size();i++) sum+=stones[i];
        // if(sum%2==0) return 0;
        half=sum/2;
        vector<int> dp(half+1,0);
        for(int i=0;i<stones.size();i++){
            for(int j=half;j>=stones[i];j--){
                dp[j]=max(dp[j],dp[j-stones[i]]+stones[i]);
            }
        }
        return sum-dp[half]*2;
    }

494. 目标和 

大家重点理解 递推公式：dp[j] += dp[j - nums[i]]，这个公式后面的提问 我们还会用到。  

视频讲解：动态规划之背包问题，装满背包有多少种方法？| LeetCode：494.目标和_哔哩哔哩_bilibili

代码随想录

感觉这道题真的好难懂啊！！！首先把它能套到动态规划就不太容易想到，文章中说其实对于每个数值选择运算符号，因为只有+、-号所以大可以将数组直接划分成两个分数组，plus数组和subtract数组，前者总和加上后者总和=sum，而前者总和减去后者总和=target，所以就可以推导出plus数组的总和=（sum+target）/2，那么这个数就相当于背包的容量。

首先还是dp数组的含义，dp[j] 代表总和为j 时，plus分数组的设置能有几种可行方法（一旦确定一个分数组，那么另一个也就定下来了，是剩下的元素），那么dp[j]+=dp[ j-nums[i] ] （后续涉及到方法数的大多都这个递归方式），也就是+确定加入nums[i]之后（得到减去后对应的“容量”）能有几种方法*1，因为是先遍历物品后遍历背包，所以不会有重复的地方。还有一点，初始化dp数组的时候，必须将dp[0]设置为1，虽然总和为0的方法数不一定是1（例如集合[0, 0 ,0]），即使初始化为1，最后也可能会增加，但如果初始化为0，dp数组就永远都是0（因为遍历背包是倒序遍历，而且除0外所有都初始化为0，所以如果该容量存在方法数，那么一定是从dp[0]开始加起来的，dp[0]=0，那加来加去都只能是0）。

值得一提的是首先要判断是否存在可行方案，如果得到的size不是整数（因为题目规定必须都是整数，所以加和不可能不是整数）（也就是看（target+sum)/2得到的背包容量是否是个整数，如果是个整数，那就意味着可能有解）或者干脆target大于sum的话，那就肯定没有解决方案了。

int findTargetSumWays(vector<int>& nums, int S) {
        int sum = 0;
        for (int i = 0; i < nums.size(); i++) sum += nums[i];
        if (abs(S) > sum) return 0; // 此时没有方案
        if ((S + sum) % 2 == 1) return 0; // 此时没有方案
        int bagSize = (S + sum) / 2;
        vector<int> dp(bagSize + 1, 0);
        dp[0] = 1;
        for (int i = 0; i < nums.size(); i++) {
            for (int j = bagSize; j >= nums[i]; j--) {
                dp[j] += dp[j - nums[i]];
            }
        }
        return dp[bagSize];
    }

474.一和零  

通过这道题目，大家先粗略了解， 01背包，完全背包，多重背包的区别，不过不用细扣，因为后面 对于 完全背包，多重背包 还有单独讲解。

视频讲解：动态规划之背包问题，装满这个背包最多用多少个物品？| LeetCode：474.一和零_哔哩哔哩_bilibili

代码随想录

首先明确这不是多重背包，而是01背包，每个字符串只能选取1次，但是是有两个维度的，所以必须使用二维数组来作为dp数组。

1. 确定dp数组（dp table）以及下标的含义。dp[i][j]：最多有i个0和j个1的strs的最大子集的大小为dp[i][j]。
2. 确定递推公式。dp[i][j] = max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1)，和经典01背包的基本一致。
3. dp数组初始化。首先dp[0][0]=0，这是肯定的，而其他的值也必须为0，否则取max没意义。
4. 遍历顺序。这道题虽然是使用了二维数组，但是遍历顺序是和01背包使用一维数组作为dp数组时的遍历顺序是一致的，二维只是因为有两个维度而已，至于内部的两个循环（也就是哪个维度更先遍历的问题），顺序其实无所谓，两个维度是平等的。

int findMaxForm(vector<string>& strs, int m, int n) {
        vector<vector<int>> dp(m + 1, vector<int> (n + 1, 0)); // 默认初始化0
        for (string str : strs) { // 遍历物品
            int oneNum = 0, zeroNum = 0;
            for (char c : str) {
                if (c == '0') zeroNum++;
                else oneNum++;
            }
            for (int i = m; i >= zeroNum; i--) { // 遍历背包容量且从后向前遍历！
                for (int j = n; j >= oneNum; j--) {
                    dp[i][j] = max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1);
                }
            }
        }
        return dp[m][n];
    }