leetcode动态规划方法总结篇
1. 做题总方法——动规五部曲
- 确定dp数组的下标及含义
- 确定递推公式
- 确定dp数组如何初始化
- 确定遍历顺序
- 举例推到dp数组
2. 不同类型的动态规划问题
2.1 动态规划基础
例1:给定一个正整数 n,将其拆分为至少两个正整数的和,并使这些整数的乘积最大化。 返回你可以获得的最大乘积。整数拆分
动规五部曲:
- (一般求什么dp就定义成什么) dp[i]表示拆分整数i的最大乘积
- 从1遍历j, dp[i] = max(dp[i], j * (i-j), j * dp[i-j] )
- dp[2] = 1
- dp[i] 依赖 dp[i-j] 的状态,所以i从前向后遍历
for (int i = 3; i <= n ; i++) { for (int j = 1; j <= i / 2; j++) { dp[i] = max(dp[i], max((i - j) * j, dp[i - j] * j)); } }
2.2 背包系列问题
背包重点两类问题:0-1背包,完全背包
2.2.1 0-1背包
-
0-1背包基本问题:有n件物品和一个最多能背重量为w 的背包。第i件物品的重量是weight[i],得到的价值是value[i] 。每件物品只能用一次,求解将哪些物品装入背包里物品价值总和最大。
- dp[j] 表示容量为j的包所获得的最大价值
dp[j] = max(dp[j-weight[i]] + value[i], dp[j])
- 初始化为0即可
- 使用一维度数组,外层遍历物品,内层遍历背包(背包要从大到小的顺序是保证物品只被添加一次)
for(int i = 0; i < weight.size(); i++) { // 遍历物品 for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量 dp[j] = max(dp[j], dp[j - weight[i]] + value[i]); } }
-
例1:将一个只包含正整数的数组分割成两个子集,使得两个子集的元素和相等。分割等和子集
题目转化为:是否可以找到一个数组的子集,使得和为原数组和的一半。转换为0-1背包问题:背包的总容量为sum/2,每个物品的重量为nums[i],价值也为nums[i],判断时候可以正好装满总容量为sum/2的背包。动态规划过程跟0-1背包完全一致,最后判断dp[sum/2] == sum/2即可。 -
例2:给定一个非负整数数组,a1, a2, …, an, 和一个目标数,S。现在你有两个符号 + 和 -。对于数组中的任意一个整数,你都可以从 + 或 -中选择一个符号添加在前面。返回可以使最终数组和为目标数 S 的所有添加符号的方法数。目标和
题目转换为:找到一个和为 (target + sum)/2的组合,求有多少种方法- dp[j] 表示装满容量为j的包有dp[j]种方法
dp[j] += dp[j - nums[i]]
- dp[0] = 1,其他下标初始值为0
- 外层遍历物品,内层遍历背包
for (int i = 0; i < nums.size(); i++) { for (int j = bagSize; j >= nums[i]; j--) { dp[j] += dp[j - nums[i]]; } }
2.2.2 完全背包问题
基本问题:有N件物品和一个最多能背重量为W的背包。第i件物品的重量是weight[i],得到的价值是value[i] 。每件物品都有无限个(也就是可以放入背包多次),求解将哪些物品装入背包里物品价值总和最大。
与0-1背包的差别:每种物品有无限件 —— 体现在遍历顺序上(从小到大)
-
完全背包之组合问题:外层循环遍历物品,内层循环遍历背包
例:给定不同面额的硬币和一个总金额。写出函数来计算可以凑成总金额的硬币组合数。假设每一种面额的硬币有无限个。
1. dp[j] 表示装满容量为j的包有dp[j]种方法
2.dp[j] += dp[j - coins[i]]
3. dp[0] = 1,其他下标初始值为0
4. 求组合问题,外层遍历物品,内层遍历背包,从小到大 -
完全背包之排列问题:外层循环遍历背包,内层循环遍历物品
例:给定一个由正整数组成且不存在重复数字的数组,找出和为给定目标正整数的组合的个数。请注意,顺序不同的序列被视作不同的组合。——本质是求排列总和
1. dp[i]: 凑成目标正整数为i的排列个数为dp[i]
2.dp[i] += dp[i - nums[j]]
3. dp[0] = 1,其他下标初始值为0
4. 求排列,外层遍历背包,内层遍历物品,从小到大