算法训练day45-动态规划-单词拆分、背包问题总结

139.单词拆分

给定一个非空字符串 s 和一个包含非空单词的列表 wordDict，判定 s 是否可以被空格拆分为一个或多个在字典中出现的单词。

说明：

拆分时可以重复使用字典中的单词。

你可以假设字典中没有重复的单词。

示例 1：

• 输入: s = "leetcode", wordDict = ["leet", "code"]

• 输出: true

• 解释: 返回 true 因为 "leetcode" 可以被拆分成 "leet code"。

解题思路

如果将字符串S看做背包，将非空单词列表wordDict中的每个字符串看做物品，且每件物品可以无限次使用，那么本题就可以看做是一个完全背包问题。可采用动态规划完全背包问题的求解方法。

1. 确定dp数组及其含义

dp[j] : 表示长度为j的字符串可以由非空列表中的若干个子串组成。即dp[j] = true。

2. 确定递推公式

如果确定dp[j] 是true，且 [j, i] 这个区间的子串出现在字典里，那么dp[i]一定是true。（j < i ）。

所以递推公式： if [j,i] 包含在wordDict中&&dp[j] = true,那么dp[i] = true。

3. 初始化

因为题目规定了非0子串，所以dp[0] 实际没有意义，但为了推导后续的dp[j],需要赋予

dp[0] = true

4. 确定遍历顺序

由于不同的子串按照不同的顺序组合形成的字符串不同，所以需要考虑元素顺序对结果的影响，也就是说是排列问题。排列问题可先遍历背包再遍历物品。

代码示例-java

class Solution {
    public boolean wordBreak(String s, List<String> wordDict) {
        // 可以将list转换为set（默认无重复元素），在查找元素时提高效率
        HashSet<String> set = new HashSet<>(wordDict);
        // 定义dp数组
        boolean[] dp = new boolean[s.length()+1];
        // 初始化
        dp[0] = true;
        // 遍历：先遍历背包后遍历物品
        for(int i = 1;i<dp.length;i++){
            for(int j=0;j<i&&!dp[i];j++){
                if(set.contains(s.substring(j,i))&&dp[j]){
                   dp[i]  = true;
                }
            } 
        }
        return dp[s.length()];
    }
}

多重背包

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， 为什么和01背包像呢？

每件物品最多有Mi件可用，把Mi件摊开，其实就是一个01背包问题了。

例如：

背包最大重量为10。

问背包能背的物品最大价值是多少？

物品为：

	重量	价值	数量
物品0	1	15	2
物品1	3	20	3
物品2	4	30	2

将物品摊开就变成如下：

	重量	价值	数量
物品0	1	15	1
物品0	1	15	1
物品1	3	20	1
物品1	3	20	1
物品1	3	20	1
物品2	4	30	1
物品2	4	30	1

毫无区别，这就转成了一个01背包问题了，且每个物品只用一次

代码参考-java

实现方式一：将物品摊开变成01背包

public void testMultiPack1(){
    // 版本一：改变物品数量为01背包格式
    List<Integer> weight = new ArrayList<>(Arrays.asList(1, 3, 4));
    List<Integer> value = new ArrayList<>(Arrays.asList(15, 20, 30));
    List<Integer> nums = new ArrayList<>(Arrays.asList(2, 3, 2));
    int bagWeight = 10;

    for (int i = 0; i < nums.size(); i++) {
        while (nums.get(i) > 1) { // 把物品展开为i
            weight.add(weight.get(i));
            value.add(value.get(i));
            nums.set(i, nums.get(i) - 1);
        }
    }

    int[] dp = new int[bagWeight + 1];
    for(int i = 0; i < weight.size(); i++) { // 遍历物品
        for(int j = bagWeight; j >= weight.get(i); j--) { // 遍历背包容量
            dp[j] = Math.max(dp[j], dp[j - weight.get(i)] + value.get(i));
        }
        System.out.println(Arrays.toString(dp));
    }
}

• 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

实现方式二：把每种商品遍历的个数放在01背包里面在遍历一遍。

public void testMultiPack2(){
    // 版本二：改变遍历个数
    int[] weight = new int[] {1, 3, 4};
    int[] value = new int[] {15, 20, 30};
    int[] nums = new int[] {2, 3, 2};
    int bagWeight = 10;

    int[] dp = new int[bagWeight + 1];
    for(int i = 0; i < weight.length; 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] = Math.max(dp[j], dp[j - k * weight[i]] + k * value[i]);
            }
            System.out.println(Arrays.toString(dp));
        }
    }
}

• 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

参考：https://programmercarl.com/%E8%83%8C%E5%8C%85%E6%80%BB%E7%BB%93%E7%AF%87.html#%E8%83%8C%E5%8C%85%E9%80%92%E6%8E%A8%E5%85%AC%E5%BC%8F