代码随想录算法训练营day46|第九章动态规划part08：139.单词拆分、背包问题总结

.wsy.

已于 2024-03-06 09:50:11 修改

阅读量851

点赞数 18

分类专栏：代码随想录训练营文章标签：算法动态规划

于 2024-03-06 09:45:51 首次发布

本文链接：https://blog.csdn.net/mrmobi/article/details/136484000

版权

代码随想录训练营专栏收录该内容

49 篇文章 1 订阅

订阅专栏

139.单词拆分

关于多重背包，你该了解这些！

背包问题总结篇！

139.单词拆分

视频讲解：动态规划之完全背包，你的背包如何装满？| LeetCode：139.单词拆分_哔哩哔哩_bilibili

代码随想录

回溯——

这道题用回溯的做法也能实现，但是需要使用memory数组来记录-以startIndex为起始点是否能保证之后（也包含当前点）全部字符都恰好在wordSet中找到对应的单词，这样有记忆的寻找能减少大量重复搜索，而直接回溯会超时。使用bool作为返回值表示不是一直找而是找到一组即可。

class Solution {
private:
    bool backtracking (const string& s,
            const unordered_set<string>& wordSet,
            vector<bool>& memory,
            int startIndex) {
        if (startIndex >= s.size()) {
            return true;
        }
        // 如果memory[startIndex]不是初始值了，直接使用memory[startIndex]的结果
        if (!memory[startIndex]) return memory[startIndex];
        for (int i = startIndex; i < s.size(); i++) {
            string word = s.substr(startIndex, i - startIndex + 1);
            if (wordSet.find(word) != wordSet.end() && backtracking(s, wordSet, memory, i + 1)) {
                return true;
            }
        }
        memory[startIndex] = false; // 记录以startIndex开始的子串是不可以被拆分的
        return false;
    }
public:
    bool wordBreak(string s, vector<string>& wordDict) {
        unordered_set<string> wordSet(wordDict.begin(), wordDict.end());
        vector<bool> memory(s.size(), 1); // -1 表示初始化状态
        return backtracking(s, wordSet, memory, 0);
    }
};

完全背包——

首先还是要说明想要在数组中找到某个元素，需要将数组存储为set，又因为不用排序，所以unordered_set就够用。
很明显这道题字符串s是背包，而物品自然是字典里的单词，要看能否用物品将背包装满。这道题的dp数组是bool类型，记录从起始下标到当前位置组成的sub字符串是否能由字典里的单词组成（或者说能不能装满），递推公式自然是 if([j, i] 这个区间的子串出现在字典里 && dp[j]是true) 那么 dp[i] = true。
至于初始化问题，因为最后推导的时候需要保证每一个dp[j]==true都是准确的，所以必须用false来初始化，但是必须设置dp[ 0 ]=true，否则后面的没办法推导下去了，而且这样设置意义也很明显，长度0不用装物品就是满的。
虽然这道题没有让求方法数，所以看起来好像先遍历物品还是背包都可以，但是实际上必须要先遍历背包后遍历物品，这是因为将物品放入背包是要有顺序的，而要求顺序的话，就只能是先遍历背包后遍历物品，也就是，如果先遍历物品，那么实际上物品装入背包是没法控制准确的，也就是没法知道背包哪空哪不空，容易乱套，而先遍历背包，那就能一点一点装满整个背包，dp数组就能合理推导。

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()];
    }

忽然联想到KMP算法了，主要是跳转到合适的下标，比如比较到 f 处发现对不上了，那就跳转到next[ 4 ]（当前下标减1处）对应的下标2（1+1=2，每次固定加1）处，这样已经比较过的 a a 还可以重复利用，直接从 b 处再开始比较即可，贴一下示意图——

关于多重背包，你该了解这些！

代码随想录

多重背包在面试中基本不会出现，力扣上也没有对应的题目，对多重背包的掌握程度知道它是一种01背包，并能在01背包的基础上写出对应代码就可以了。

有N种物品和一个容量为V 的背包。第i种物品最多有Mi件可用，每件耗费的空间是Ci ，价值是Wi 。求解将哪些物品装入背包可使这些物品的耗费的空间总和不超过背包容量，且价值总和最大。多重背包和01背包是非常像的，把Mi件摊开，其实就是一个01背包问题了。

#include<iostream>
#include<vector>
using namespace std;
int main() {
    int bagWeight,n;
    cin >> bagWeight >> n;
    vector<int> weight(n, 0);
    vector<int> value(n, 0);
    vector<int> nums(n, 0);
    for (int i = 0; i < n; i++) cin >> weight[i];
    for (int i = 0; i < n; i++) cin >> value[i];
    for (int i = 0; i < n; i++) cin >> nums[i];

    vector<int> dp(bagWeight + 1, 0);

    for(int i = 0; i < n; 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] = max(dp[j], dp[j - k * weight[i]] + k * value[i]);
            }
        }
    }

    cout << dp[bagWeight] << endl;
}

时间复杂度：O(m × n × k)，m：物品种类个数，n背包容量，k单类物品数量。

背包问题总结篇！

代码随想录

背包递推公式

问能否能装满背包（或者最多装多少）：dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]) ，对应题目如下：

问装满背包有几种方法：dp[j] += dp[j - nums[i]] ，对应题目如下：

问背包装满最大价值：dp[j] = max(dp[j], dp[j - weight[i]] + value[i]) ，对应题目如下：

动态规划：474.一和零(opens new window)

问装满背包所有物品的最小个数：dp[j] = min(dp[j - coins[i]] + 1, dp[j])，对应题目如下：

遍历顺序

01背包

二维dp数组——先遍历物品还是先遍历背包均可，且第二层for循环是正序遍历。

一维dp数组——只能先遍历物品再遍历背包容量，且第二层for循环是倒序遍历。

完全背包

如果求组合数（不同顺序结果相同）就是外层for循环遍历物品，内层for遍历背包。
如果求排列数（不同顺序结果不同）就是外层for遍历背包，内层for循环遍历物品。
如果求最小数（不涉及顺序问题），那么两层for循环的先后顺序就无所谓。

对于背包问题，其实递推公式算是容易的，难是难在遍历顺序上，如果把遍历顺序搞透，才算是真正理解了。

.wsy.

关注

18
点赞
踩
28

收藏

觉得还不错? 一键收藏
0
评论
代码随想录算法训练营day46|第九章动态规划part08：139.单词拆分、背包问题总结

139.单词拆分回溯——这道题用回溯的做法也能实现，但是需要使用memory数组来记录-以startIndex为起始点是否能保证之后（也包含当前点）全部字符都恰好在wordSet中找到对应的单词，这样有记忆的寻找能减少大量重复搜索，而直接回溯会超时。使用bool作为返回值表示不是一直找而是找到一组即可。完全背包——首先还是要说明想要在数组中找到某个元素，需要将数组存储为set，又因为不用排序，所以unordered_set就够用。
复制链接

扫一扫