力扣-动态规划-474. 一和零

力扣-动态规划-474. 一和零

494. 目标和

题目描述

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 <= 600
1 <= strs[i].length <= 100
strs[i] 仅由 ‘0’ 和 ‘1’ 组成
1 <= m, n <= 100

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/ones-and-zeroes
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

解题思路：动态规划 01背包

 今天这道题做的心塞，刚开始没有读懂题目，不确定这个最大子集的最大是什么意思，然后下意识的觉得这道题目很难，然后直接看了答案的思路，发现这道题确实很难[手动滑稽 ]。题目的最大子集的意思是说数组中的每个字符串要么选择，要么不选择，最后在满足0和1的个数不超过m和n情况下的最多的元素的数量。既然每个元素要么选择，要么不选择，那基本就是01背包没的说了。
 看完答案思路直呼秒啊，这道题是对01背包的加强版应用，将背包容量上升到两个维度。0和1的数量限定不超过m和n，m和n同时都作为背包的容量，物品也就是数组的元素，每个元素中包含的0和1的个数就代表物品的重量，每个物品的价值都是1。在遍历这个问题时，需要考虑清楚外层循环和内层循环的内容。根据我自己的理解，在01背包问题中，每个物品只有两种选择，选择或者不选择，在对每个物品做选择时，我们要用前面的背包容量的结果来推导后面的背包容量的结果，因此需要把每种背包容量遍历一遍。所以01背包问题我们将物品遍历放在外层，将背包容量放在内层，这样逻辑才是契合的。此外就是遍历顺序，为了不让前面已经遍历过的值重复出现，我们从后向前遍历，避免计算两次。
 这道题的难点在于理解两个维度的背包容量。另外在做这道题时，我发现了对于普通数组，用普通for循环消耗的时间要比用增强for循环的时间短，因此我反编译了两种循环的代码，进行了比较，具体内容放在下一篇博客：链接地址：https://blog.csdn.net/qianxunsiyue/article/details/123908177，避免本文内容过长。
 我自己写的代码如下，代码已经加了注释，各位小伙伴如果有什么问题可以在评论里提出来，欢迎大家交流。

//满足条件的子集中，选择尽可能多的子集
    //秃了，一开始没有读懂题目 
    //字符串数组中每个元素-物品  0和1的个数分别作为两个维度的背包容量
    //对于固定大小的背包容量，每个物品都要把从0到给定的背包容量遍历一遍，后面的容量要由前面的容量来推导 
    //每个元素的价值都是1 每个元素中0和1的个数就是两个维度的重量
    //1.dp[i][j] 最多有i个0和j个1，从字符串数组中得到到子集最大长度
    //2.dp[i][j] = max(dp[i - zeroNum][j - oneNum] + 1, dp[i][j])
    //3.初始化 对第一个物品进行初始化
    //4.遍历顺序 最外层是物品 最内层是背包容量 背包容量的两个维度可以交换顺序
    //5.举例推导
    public int findMaxForm(String[] strs, int m, int n) {
        int[][] dp = new int[m + 1][n + 1];      
        for (String str : strs) {//遍历物品
            int zeroNum = 0;
            int oneNum = 0;
            for (char ch : str.toCharArray()) {
                if (ch == '0') {
                    zeroNum++;
                } else {
                    oneNum++;
                }
            }
            for (int i = m; i >= zeroNum; i--) {//遍历背包容量维度1
                for (int j = n; j >= oneNum; j--) {//遍历背包容量维度2
                    dp[i][j] = Math.max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1);
                }
            }
        }
        return dp[m][n];
    }