一、绪
本篇文章主要用到动态规划的思想,并且这个问题和动态规划中经典的01背包问题类似,所以我们可以套用01背包的解法求解这个问题。但这个问题要比基本的01背包要复杂一点,原来的01背包只需要考虑重量一个限制因素,而这道题需要考虑两个限制因素。
01背包的问题解法我也在另外一篇博客里进行了分析解释,详情可跳转链接: 【动态规划】01背包问题(装还是不装,老子不装啦。。。老子就是菜).
二、一和零
链接: 474. 一和零.
(一)题目描述
解释:
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 。
示例一:
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 。
示例二:
输入:strs = ["10", "0", "1"], m = 1, n = 1
输出:2
解释:最大的子集是 {"0", "1"} ,所以答案是 2 。
解题思路:
如果对经典01背包问题有认知,那么这道题与01背包问题的区别就是比01背包只需要考虑重量这一限制元素要多一个限制元素。打个比喻,01背包原本只需要考虑物品的重量,现在我要同时考虑物品的重量和体积。
所以我们解决问题就需要用到一个三维数组,利用01背包解决问题的算法思想我们就能解决这个问题。
算法公式如下:
(二)AC代码
以下的代码,我是优化了空间的,只用二维的dp数组。
int findMaxForm(char ** strs, int strsSize, int m, int n){
int Wm[strsSize],Wn[strsSize];
for(int i=0;i<strsSize;i++){
int ones=0,zeroes=0;
for(int j=0;j<strlen(strs[i]);j++){
if(strs[i][j]=='1'){
ones++;
}else{
zeroes++;
}
}
Wm[i]=zeroes;
Wn[i]=ones;
}
int dp[m+1][n+1];
memset(dp,0,sizeof(dp));
for(int k=0;k<strsSize;k++){
for(int i=m;i>=0;i--){
for(int j=n;j>=0;j--){
if(i>=Wm[k]&&j>=Wn[k]){
if(dp[i][j]<dp[i-Wm[k]][j-Wn[k]]+1){
dp[i][j]=dp[i-Wm[k]][j-Wn[k]]+1;
}
}
}
}
}
return dp[m][n];
}