代码随想录动态规划——最后一块石头的重量 II

题目

有一堆石头，每块石头的重量都是正整数。

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： 输入：[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。

提示：

1 <= stones.length <= 30 1 <= stones[i] <= 1000

思路

本题就是尽量让石头分成重量相同的两堆，相撞之后剩下的石头最小，就可以转化成01背包问题了

其中物品的重量为stones[i]，物品的价值也为stones[i] ，分别对应着01背包里的物品重量weight[i]和 物品价值value[i]

动规五部曲：

1. 确定dp数组和下标的含义
   dp[j]表示容量（这里说容量更形象，其实就是重量）为j的背包，最多可以背dp[j]这么重的石头。
2. 确定递推表达式
   01背包的递推公式为：dp[j] = max(dp[j], dp[j - weight[i]] + value[i])，本题则是：dp[j] = max(dp[j], dp[j - stones[i]] + stones[i])，其中dp[j - stones[i]]为 容量为j - stones[i]的背包最大所背重量
3. 初始化dp数组
   要求的target是最大重量的一半，同时因为重量都不会是负数，所以dp[j]都初始化为0就可以了，这样在递归公式dp[j] = max(dp[j], dp[j - stones[i]] + stones[i]);中dp[j]才不会初始值所覆盖
4. 确定遍历顺序
   如果使用一维dp数组，遍历物品的for循环放在外层，遍历背包的for循环放在内层，且内层for循环倒序遍历
5. 举例推导dp数组
   输入：[2,4,1,1]，此时target = (2 + 4 + 1 + 1)/2 = 4 ，dp数组状态图如下：
   

**举个推导的例子：**首先dp[j]全部初始化为0，当外层循环（遍历物品）i = 0的时候，即stone[0] = 2，内层循环（倒序遍历），当j = 4时，此时dp[4] = max(dp[4], dp[4 - stone[0]] + stone[0]) = max (dp[4] , dp[4 -2] + 2) = max(0, 0 + 2) = 2，以此类推…

最后dp[target]里是容量为target的背包所能背的最大重量，那么分成两堆石头，一堆石头的总重量是dp[target]，另一堆就是sum - dp[target]
在计算target的时候，target = sum / 2 因为是向下取整，所以sum - dp[target] 一定是大于等于dp[target]的。
那么相撞之后剩下的最小石头重量就是 (sum - dp[target]) - dp[target]。

java代码如下：

class Solution {
	public int lastStoneWeight(int[] stones){
		int sum = 0;
		for(int i : stones){
			sum += i;
		}
		int target = sum >> 1;//右移除2，左移乘2
		int[] dp = new int[target +1];
		for(int i = 0; i< stones.length; i++){
			for(int j = target; j >= stones[i]; j--){//j >= stones[i]是因为背包的容量起码要大于等于物品的重量才能装下
				dp[j] = Math.max(dp[j], dp[j-stones[i]] + stones[i]);
			}
		}
		return sum - 2 * dp[target];
	}
}