1049. 最后一块石头的重量 II
思路:本题其实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,这样就化解成0-1背包问题了。与416. 分割等和子集非常相似。
动态规划五步曲:
-
dp[j]:容量(其实就是重量)为j的背包,最多可以背最大重量为dp[j]。
可以回忆一下0-1背包中,dp[j]的含义,容量为j的背包,最多可以装的价值为 dp[j]。
相对于 0-1背包,本题中,石头的重量是 stones[i],石头的价值也是 stones[i] ,可以 “最多可以装的价值为 dp[j]” == “最多可以背的重量为dp[j]”
-
递推公式:dp[j] = max(dp[j], dp[j - stones[i]] + stones[i])
0-1背包的递推公式为:dp[j] = max(dp[j], dp[j - weight[i]] + value[i])
-
初始化:0-1背包分割子集问题,dp数组的长度为物品总重量的一半。dp[0] = 0,因为重量都不会是负数,其他非0下标处也为0。
-
遍历顺序:先顺序遍历物品,再倒序遍历背包容量(防止重复放入)。
-
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:
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。
class Solution {
public int lastStoneWeightII(int[] stones) {
// dp[j] 表示容量为j的背包,最多可以背最大重量为dp[j]。
int sum = 0;
for (int stone : stones) {
sum += stone;
}
int target = sum / 2;
// dp数组的长度为物品总重量的一半
int[] dp = new int[target + 1];
for (int i = 0; i < stones.length; i++) { // 遍历物品
for (int j = target; j >= stones[i]; j--) { // 遍历背包
dp[j] = Math.max(dp[j], dp[j - stones[i]] + stones[i]);
}
}
return sum - dp[target] - dp[target];
}
}
494. 目标和
思路:假设加法的总和为x,那么减法对应的总和就是sum - x。所以我们要求的是 x - (sum - x) = target,进而x = (target + sum) / 2。此时问题就转化为,装满容量为x的背包,有几种方法。这里的x,就是bagSize
,也就是我们后面要求的背包容量。
再回归到0-1背包问题,为什么是0-1背包呢?
因为每个物品(题目中的1)只用一次!
这次和之前遇到的背包问题不一样了,之前都是求容量为j的背包,最多能装多少。
本题则是装满有几种方法。其实这就是一个组合问题了。
本题就变成了0-1背包求组合问题,动态规划五步曲:
-
dp[j]:填满j(包括j)这么大容积的背包,有dp[j]种方法。
-
递推公式:dp[j] += dp[j - nums[i]]
只要搞到nums[i],凑成dp[j]就有dp[j - nums[i]] 种方法。
例如:dp[j],j 为5,
- 已经有一个1(即nums[i] = 1)的话,有 dp[4]种方法 凑成 容量为5的背包
- 已经有一个2(即nums[i] = 2)的话,有 dp[3]种方法 凑成 容量为5的背包
- 已经有一个3(即nums[i] = 3)的话,有 dp[2]中方法 凑成 容量为5的背包
- 已经有一个4(即nums[i] = 4)的话,有 dp[1]中方法 凑成 容量为5的背包
- 已经有一个5(即nums[i] = 5)的话,有 dp[0]中方法 凑成 容量为5的背包
那么凑成dp[5]有多少方法呢,也就是把所有的 dp[j - nums[i]] 累加起来。
这个递推公式在之后背包解决排列组合问题的时候还会用到!
-
初始化:dp[0] = 1
因为dp[0]是在公式中一切递推结果的起源,如果dp[0]是0的话,递推结果将都是0。
-
遍历顺序:nums放在外循环,bagSize 在内循环,且内循环倒序。
-
举例推导dp数组
输入:nums: [1, 1, 1, 1, 1], target: 3
bagSize = (target + sum) / 2 = (3 + 5) / 2 = 4
dp数组状态变化如下:
class Solution {
public int findTargetSumWays(int[] nums, int target) {
// dp[j] 表示填满容量为j的背包,共有dp[j]种方法
int sum = 0;
for (int num : nums) {
sum += num;
}
if ((target + sum) % 2 != 0) return 0; // 此时没有方案
if (Math.abs(target) > sum) return 0; // 此时没有方案
// 背包的容量为nums里面需要相加的总值
int bagSize = (target + sum) / 2;
int[] dp = new int[bagSize + 1];
dp[0] = 1;
for (int i = 0; i < nums.length; i++) {
for (int j = bagSize; j >= nums[i]; j--) {
dp[j] += dp[j - nums[i]];
}
}
return dp[bagSize];
}
}
看到(target + sum) / 2 应该考虑计算的过程中向下取整有没有影响。
例如 sum 是5,target 是2的话,不能被2整除其实就是无解的;
同时如果 target 的绝对值已经大于 sum,sum 将无法满足
例如[1,1,1,1,1] target = 6,而 sum 最大只能达到5。
本题也可以用回溯法进行暴力搜索,但是执行时间会过长。如果仅仅是求个数的话,就可以用dp,但回溯算法:39. 组合总和要求的是把所有组合列出来,还是要使用回溯法的。
474. 一和零
思路:本题中strs 数组里的元素就是物品,每个物品都是一个!而 m 和 n 相当于是一个背包,两个维度的背包。
本题依然是0-1背包问题,但是背包有两个维度,就是存放0的个数和存放1的个数,而不同长度的字符串就是不同大小的待装物品。
动态规划五步曲:
-
dp
[
i][
j]
:最多由i个0和j个1的strs的最大子集的大小为dp[
i][
j]
。 -
递推公式:
dp
[
i][
j]
= Math.max(dp[
i][
j]
, dp[
i - zeroNum][
j - oneNum]
+ 1)dp
[
i][
j]
可以由前一个strs里的字符串推导出来,strs里的字符串有zeroNum个0,oneNum个1。在遍历的过程中,取dp[
i][
j]
的最大值。0-1背包的递推公式:dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
对比一下就会发现,字符串的
zeroNum
和oneNum
相当于物品的重量(weight[i]),字符串本身的个数相当于物品的价值(value[i])。这就是一个典型的0-1背包! 只不过物品的重量有了两个维度而已。
-
初始化:dp
[
0][
0]
= 0因为物品价值不会是负数,初始为0,保证递推的时候dp
[
i][
j]
不会被初始值覆盖。 -
遍历顺序:先顺序遍历物品,再倒序遍历背包容量。
物品就是strs里的字符串,背包容量就是题目描述中的m和n。
-
举例推导dp数组
以输入:[“10”,“0001”,“111001”,“1”,“0”],m = 3,n = 3为例
最后dp数组的状态如下所示:
class Solution {
public int findMaxForm(String[] strs, int m, int n) {
// dp[i][j] 代表最多由i个0和j个1的最大子集大小为dp[i][j]
int[][] dp = new int[m + 1][n + 1];
for (String str : strs) { // 遍历物品
int zeroNum = 0, oneNum = 0;
char[] chs = str.toCharArray();
for (char ch : chs) {
if (ch == '0') {
zeroNum++;
} else {
oneNum++;
}
}
// 遍历背包容量且从后往前遍历!
for (int i = m; i >= zeroNum; i--) {
for (int j = n; j >= oneNum; j--) {
dp[i][j] = Math.max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1);
}
}
}
return dp[m][n];
}
}
那个遍历背包容量的两层for循环先后顺序有没有什么讲究?
没讲究,都是物品重量的一个维度,先遍历哪个都行!
0-1背包总结
0-1背包有多种应用(不同维度上的应用):
- 纯 0-1 背包是求给定背包容量,装满背包的最大价值是多少。
- 416. 分割等和子集是求给定背包容量,能不能装满这个背包。
- 1049. 最后一块石头的重量 II是求给定背包容量,尽可能装,最多能装多少。
- 494. 目标和是求给定背包容量,装满背包有多少种方法。
- 474. 一和零是求给定背包容量,装满背包最多有多少个物品。