一、最后一块石头的重量 II
1.1 题目
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。
示例 2：
输入：stones = [31,26,33,21,40] 输出：5
提示：
1 <= stones.length <= 301 <= stones[i] <= 100
1.2 题目链接
1.3 解题思路和过程想法
（1）解题思路
分析：将一堆石头分成总重量相近的两堆，两堆的总差值即为所求
利用动态规划找到总和最贴近 sum(stones) // 2 的值，
# 数组：使用一维数组 dp[j] 记录背包中容量为 j 实际能装的最大重量
target = sum(stones) // 2
dp = [0] * (target+1)
# 递推关系：dp[j] = max(dp[j], dp[j-stones[i]]+stones[i])
# 初始化：dp[0] = 0 赋予一个不会被覆盖的数
（2）过程想法
分析过程有点偏数学，0-1 背包----->找到容量为 j 的背包实际能装的最大重量
1.4 代码
class Solution:
def lastStoneWeightII(self, stones: List[int]) -> int:
# 将一堆石头分成总重量相近的两堆，两堆的总差值即为所求
# 使用一维数组 dp[j] 记录背包中容量为 j 实际能装的最大重量
target = sum(stones) // 2
dp = [0] * (target+1)
# 递推关系：dp[j] = max(dp[j], dp[j-stones[i]]+stones[i])
# 初始化：dp[0] = 0 赋予一个不会被覆盖的数
# 举例递推
for stone in stones: # 遍历物体
for j in range(target,stone-1,-1): # 遍历背包
dp[j] = max(dp[j], dp[j-stone]+stone)
# 两堆的总差值即为所求
return sum(stones) - dp[target]*2二、目标和
2.1 题目
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。
示例 1：
输入：nums = [1,1,1,1,1], target = 3 输出：5 解释：一共有 5 种方法让最终目标和为 3 。 -1 + 1 + 1 + 1 + 1 = 3 +1 - 1 + 1 + 1 + 1 = 3 +1 + 1 - 1 + 1 + 1 = 3 +1 + 1 + 1 - 1 + 1 = 3 +1 + 1 + 1 + 1 - 1 = 3
示例 2：
输入：nums = [1], target = 1 输出：1
提示：
1 <= nums.length <= 200 <= nums[i] <= 10000 <= sum(nums[i]) <= 1000-1000 <= target <= 1000
2.2 题目链接
2.3 解题思路和过程想法
（1）解题思路
分析：正数+负数=target，正数-负数=sum(nums)，|负数|=(sum(nums)-target)//2
即：找到累计和为|负数|的集合种数
回溯：先排序，然后利用 for 语句横向遍历第一个要选的元素，递归语句纵向处理后续元素
0-1背包：
# 边界问题：sum(nums) < target、sum(nums)-target) % 2 == 1
# 数组：数组dp[j] 容量总和为 j 的装法种数
# 只要找到nums[i]，凑成dp[j]就有dp[j - nums[i]] 种方法
# 例如：dp[j]，j 为4，
# 已经有一个1（nums[i]） 的话，有 dp[3]种方法凑成容量为4的背包
# 已经有一个2（nums[i]） 的话，有 dp[2]种方法凑成容量为4的背包
# 已经有一个3（nums[i]） 的话，有 dp[1]中方法凑成容量为4的背包
# 已经有一个4（nums[i]） 的话，有 dp[0]中方法凑成容量为4的背包
# 凑整dp[4]有多少方法呢，也就是把 所有的 dp[j - nums[i]] 累加起来
# 递推关系：dp[j] += dp[j-i]
# 初始化：dp[0] = 1 ！！！
（2）过程想法
最先想到的是回溯法，但回溯法提示时间超时；用0-1背包解法的化，递推关系和初始化需要仔细琢磨
2.4 代码
2.4.1 回溯法（会提示超时）
class Solution:
def backTracing(self,nums,target,sum_minu,startIndex,path):
# 递归出口：找到之后不能立即结束递归，因为元素可能会有 0
if sum(path) == sum_minu:
self.res += 1
# 回溯
for i in range(startIndex,len(nums)):
# 递归出口：此处写 return 是会超时的
if sum(path) > sum_minu:
break
path.append(nums[i])
self.backTracing(nums,target,sum_minu,i+1,path)
path.pop()
def findTargetSumWays(self, nums: List[int], target: int) -> int:
# 分析：最终表达式结果为 target--->选出需减去（相加的也可）数字集合的种数
# 边界问题
if sum(nums) < target:
return 0
if (sum(nums)-target) % 2:
return 0
# 回溯法：for 语句横向遍历第一个要选的元素，递归语句纵向处理后续元素
sum_minu = (sum(nums) - target) // 2
self.res = 0
# 需排序
nums.sort()
self.backTracing(nums,target,sum_minu,0,[])
return self.res2.4.2 动态规划
class Solution:
def findTargetSumWays(self, nums: List[int], target: int) -> int:
# 分析：最终表达式结果为 target--->选出需减去（相加的也可）数字集合的种数
# 边界问题
if sum(nums) < target:
return 0
if (sum(nums)-target) % 2:
return 0
# 需减去（求相加的也可）数字集合的总和
sum_minu = (sum(nums) - target) // 2
# 数组dp[j] 容量总和为 j 的装法
dp = [0] * (sum_minu+1)
# 只要找到nums[i]，凑成dp[j]就有dp[j - nums[i]] 种方法
# 例如：dp[j]，j 为4，
# 已经有一个1（nums[i]） 的话，有 dp[3]种方法凑成容量为4的背包
# 已经有一个2（nums[i]） 的话，有 dp[2]种方法凑成容量为4的背包
# 已经有一个3（nums[i]） 的话，有 dp[1]中方法凑成容量为4的背包
# 已经有一个4（nums[i]） 的话，有 dp[0]中方法凑成容量为4的背包
# 凑整dp[4]有多少方法呢，也就是把 所有的 dp[j - nums[i]] 累加起来
# -----> 递推关系：dp[j] += dp[j-i]
# 初始化!!
dp[0] = 1
for num in nums:
for j in range(sum_minu,num-1,-1):
dp[j] += dp[j-num]
return dp[sum_minu]三、一和零
3.1 题目
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 。
示例 2：
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 。
提示：
1 <= strs.length <= 6001 <= strs[i].length <= 100strs[i]仅由'0'和'1'组成1 <= m, n <= 100
3.2 题目链接
3.3 解题思路和过程想法
（1）解题思路
分析：
# 容器(字符)：0和1 ；
# 装满后有多少个物品(子集)；
# 每个物品至多只能使用一次(二维物品的 0-1 背包问题)
# 数组dp[i][j] : 最多有 i 个 0 和 j 个 1 的最大子集大小
dp = [[0]*(n+1) for _ in range(m+1)]
# 递推关系：dp[i][j] = max(dp[i][j], dp[i-zeroNum][j-oneNum])
# 初始化：物品价值不会是负数，初值为 0 ，递推时不会覆盖初始值
# 举例递推：外部遍历物品，内部遍历背包
（2）过程想法
最初看到题目是一点思路都没有，后来才发现是二维的 0-1 背包问题
3.4 代码
class Solution:
def findMaxForm(self, strs: List[str], m: int, n: int) -> int:
# 容器(字符)：0和1 ；
# 装满后有多少个物品(子集)；
# 每个物品至多只能使用一次(二维物品的 0-1 背包问题)
# 数组dp[i][j] : 最多有 i 个 0 和 j 个 1 的最大子集大小
dp = [[0]*(n+1) for _ in range(m+1)]
# 递推关系：dp[i][j] = max(dp[i][j], dp[i-zeroNum][j-oneNum])
# 初始化：物品价值不会是负数，初值为 0 ，递推时不会覆盖初始值
# 举例递推：外部遍历物品，内部遍历背包
for s in strs: # 遍历物品
zeroNum = s.count('0')
oneNum = s.count('1')
for i in range(m,zeroNum-1,-1): # 遍历装'0'的背包
for j in range(n,oneNum-1,-1): # 遍历装'1'的背包
dp[i][j] = max(dp[i][j], dp[i-zeroNum][j-oneNum]+1) # 字符串本身的个数相当于物品的价值
return dp[m][n]
997
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
