14.最后一块石头的重量
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。
提示:
1 <= stones.length <= 30
1 <= stones[i] <= 100
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01背包问题了。
本题物品的重量为stones[i],物品的价值也为stones[i]。
对应着01背包里的物品重量weight[i]和 物品价值value[i]。
1…dp数组以及下标的含义
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,最多可以背最大重量为dp[j]。
回忆一下01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 01背包,本题中,石头的重量是 stones[i],石头的价值也是 stones[i] ,就有 “最多可以装的价值为 dp[j]” == “最多可以背的重量为dp[j]”
2.递推公式
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]);
3.dp数组初始化
因为重量都不会是负数,所以dp[j]都初始化为0;
提示中给出1 <= stones.length <= 30,1 <= stones[i] <= 1000,所以最大重量就是30 * 1000 ,而我们要求的target其实只是最大重量的一半,所以dp数组开到15000大小就可以了。
4.遍历顺序
如果使用一维dp数组,物品遍历的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!
for (int i = 0; i < stones.size(); i++) { // 遍历物品
for (int j = target; j >= stones[i]; j--) { // 倒叙遍历背包
dp[j] = max(dp[j], dp[j - stones[i]] + stones[i]);
}
}
5.举例推导dp数组
举例,输入:[2,4,1,1],此时target = (2 + 4 + 1 + 1)/2 = 4 ,dp数组状态图如下:
![1049.最后一块石头的重量II](https://img-blog.csdnimg.cn/img_convert/6ee17915c755831670860027c7a1cc21.jpeg)
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) {
int sum = 0,target = 0;
for(int i = 0;i < stones.length;i++){
sum += stones[i];
}
target = sum/2;
//dp数组
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]);
}
for(int z = 0;z < dp.length; z++){
System.out.print(dp[z] + " ");
}
System.out.println("");
}
//dp数组
0 0 2 2 2 2 2 2 2 2 2 2
0 0 2 2 2 2 2 7 7 9 9 9
0 0 2 2 4 4 6 7 7 9 9 11
0 1 2 3 4 5 6 7 8 9 10 11
0 1 2 3 4 5 6 7 8 9 10 11
0 1 2 3 4 5 6 7 8 9 10 11
return sum - dp[target] - dp[target];
}
}
总结
本题和 “分割等和子集”类同,只是最后对dp[target]的处理方式不同。前者相当于是求背包是否正好装满,而本题是求背包最多能装多少?。
16.目标和
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
1 <= nums.length <= 20
0 <= nums[i] <= 1000
0 <= sum(nums[i]) <= 1000
-1000 <= target <= 1000
思路
本题要如何使表达式结果为target?
既然为target,那么就一定有 left组合 - right组合 = target。其中left代表加法集合,right代表减法集合(都是正数)。
left + right = sum,而sum是固定的。right = sum - left
于是有: left - (sum - left) = target 推导出 left = (target + sum)/2 。
target是固定的,sum是固定的,left就可以求出来。
**此时问题就是在集合nums中找出和为left的组合。**即找出哪些元素进行组合,和为left。
回溯法
动态规划-01背包
我们要求的是 x - (sum - x) = target,–> 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。
为什么 x 代表 容量 而不是价值呢?
本题中的容量与价值应该是同等的数值,dp[j]代表价值为 j 时有多少种组合方法。等价于 装满容量为 j 时有多少种方法。
为什么是01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。
x 不能整除怎么办?
不能整除说明没有组合的方案。直接return 0 .
1.dp数组的定义
dp[j] 表示:填满j(包括j)这么大容积的包,有dp[j]种方法。
dp[i][j]
:使用 下标为[0, i]的nums[i]能够凑满 j(包括j)这么大容量的包,有dp[i][j]
种方法。
2.递推公式
有哪些来源可以推出dp[j]呢?
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(nums[i]) 的话,有 dp[4]种方法 凑成 容量为5的背包。
- 已经有一个2(nums[i]) 的话,有 dp[3]种方法 凑成 容量为5的背包。
- 已经有一个3(nums[i]) 的话,有 dp[2]种方法 凑成 容量为5的背包
- 已经有一个4(nums[i]) 的话,有 dp[1]种方法 凑成 容量为5的背包
- 已经有一个5 (nums[i])的话,有 dp[0]种方法 凑成 容量为5的背包
那么凑整dp[5]有多少方法呢,也就是把 所有的 dp[j - nums[i]] 累加起来。
dp[5] = dp[1] + dp[2] + dp[3] + dp[4] + dp[0]
dp[j] += dp[j - nums[i]]
3.初始化
如果数组[0] ,target = 0,那么 bagSize = (target + sum) / 2 = 0。 dp[0]也应该是1, 也就是说给数组里的元素 0 前面无论放加法还是减法,都是 1 种方法。
应该初始化 dp[0] 为 1;如果dp[0]是0的话,递推结果将都是0。
dp[j]其他下标对应的数值应该初始化为0,从递推公式也可以看出,dp[j]要保证是0的初始值,才能正确的由dp[j - nums[i]]推导出来。
4.遍历顺序
一维dp数组,物品nums为外循环,target容量为倒叙内循环。
5.举例dp数组
输入:nums: [1, 1, 1, 1, 1], S: 3
bagSize = (S + sum) / 2 = (3 + 5) / 2 = 4
![img](https://img-blog.csdnimg.cn/img_convert/67c0d81e3da166f45942b99a5d660711.jpeg)
class Solution {
public int findTargetSumWays(int[] nums, int target) {
int sum = 0;
for(int i = 0; i < nums.length;i++){
sum += nums[i];
}
if((target + sum)%2 != 0) return 0;//如果(target+sum)除以2的余数不为0,是没有方案的
if(Math.abs(target) > sum) return 0;//如果target的绝对值大于sum,那么是没有方案的
int left = (target + sum)/2;
//dp数组
int[] dp = new int[left + 1];
//初始化
dp[0] = 1;
//遍历
for(int i = 0; i < nums.length;i++){//物品
for(int j = left; j >= nums[i];j-- ){//背包
dp[j] += dp[j - nums[i]];
}
}
return dp[left];
}
}
总结
1.本道题和“分割等和子集【能不能装满背包?】”、“最后一块石头的重量【背包最大能装多少?】”类似,都是需要将一个数组分为两个子集。本题是分为一个加法集合与一个减法集合。
2.本题转化为:装满容量为 left 的背包有多少种方法。 d p [ j ] + = d p [ j − n u m s [ i ] ] ; dp[j] += dp[j - nums[i]]; dp[j]+=dp[j−nums[i]];
17.一和零?
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
思路
判断本题属于哪种背包问题,很多人认为是多重背包。多重背包是每个物品,数量不同的情况。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。
![416.分割等和子集1](https://img-blog.csdnimg.cn/img_convert/27530af5ef1335c95bafcb6b93addedc.png)
理解成多重背包的同学主要是把m和n混淆为物品了,感觉这是不同数量的物品,所以以为是多重背包。
但本题其实是01背包问题!
只不过这个背包有两个维度,一个是m 一个是n,而不同长度的字符串就是不同大小的待装物品。
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。
1.dp数组(dp table)以及下标的含义
dp[i][j]
:最多有i个0和j个1的strs的最大子集的大小为dp[i][j]
。
2.递推公式
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。
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])。
dp[i][j]
就可以是 dp[i - zeroNum][j - oneNum] + 1
。
背包的最大容量为m个0,n个1;当物品装进背包时,最大子集长度+1,也就是价值+1;
在遍历的过程中,取dp[i][j]
的最大值。
所以递推公式:dp[i][j] = max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1);
3.初始化
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。
4.遍历顺序
外层for循环遍历物品,内层for循环遍历背包容量且从后向前遍历!
遍历背包容量m,n的两层for循环先后循序有没有什么讲究?
没讲究,都是物品重量的一个维度,先遍历哪个都行!
for (string str : strs) { // 遍历物品
int oneNum = 0, zeroNum = 0;
for (char c : str) {
if (c == '0') zeroNum++;
else oneNum++;
}
for (int i = m; i >= zeroNum; i--) { // 遍历背包容量且从后向前遍历!
for (int j = n; j >= oneNum; j--) {
dp[i][j] = max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1);
}
}
}
5.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:
![474.一和零](https://img-blog.csdnimg.cn/img_convert/e77044ce9161b4b195bb9bb29c564dc3.jpeg)
class Solution {
public int findMaxForm(String[] strs, int m, int n) {
dp[i][j]表示i个0和j个1时的最大子集
int[][] dp = new int[m+1][n+1];
int oneNum , zeroNum ;
for(String str : strs){//遍历物品
oneNum = 0;
zeroNum = 0;
for(char c : str.toCharArray()){
if(c == '0'){
zeroNum++;
}else{
oneNum++;
}
}
//倒叙遍历两个维度的背包容量
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];
}
}
总结
递推公式都没搞明白,看题解都不理解。
1.本题是两个维度的背包容量!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
2.dp[i][j]
表示 i个0和 j个1时的最大子集。
纯01背包:求 给定背包容量 装满背包 的最大价值是多少。
分割等和子集:求 给定背包容量,能不能装满这个背包。
最后一块石头的重量:求 给定背包容量,尽可能装,最多能装多少。
目标和:求 给定背包容量,装满背包有多少种方法。
一和零:求 给定背包容量,装满背包最多有多少个物品。