代码随想录训练营

Day43代码随想录

1049.最后一块石头的重量II

1.题目描述

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。

示例 2：

输入：stones = [31,26,33,21,40]
输出：5

2.解题思路及代码实现

此题主要是想到如何利用动态规划和01背包，思路不容易想到

计算石头的总量，然后令背包的容量为石头重量的一半，看此背包最多可以装多少重量的石头，

class Solution {
    public int lastStoneWeightII(int[] stones) {
        int sum = 0;
        for (int i = 0; i < stones.length; i++) {
            sum+=stones[i];
        }
        int bagsize = sum/2;
        int[] dp = new int[bagsize+1];
        dp[0] = 0;
        for (int i = 0; i < stones.length; i++) {
            for (int j = bagsize;j>=stones[i];j--){
                dp[j] = Math.max(dp[j],dp[j-stones[i]]+stones[i]);
            }
        }
        return sum-dp[bagsize]-dp[bagsize];
    }
}

494.目标和

1.题目描述

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

示例 2：

输入：nums = [1], target = 1
输出：1

提示：

• 1 <= nums.length <= 20
• 0 <= nums[i] <= 1000
• 0 <= sum(nums[i]) <= 1000
• -1000 <= target <= 1000

2.解题思路及代码实现

将其中赋予正号的数的总和设为left，则赋予负号的数的总和为sum-left，则 left-（sum-left） = target

left = (sum+target)/2,如果为sum+target为奇数，说明没有方案实现，那么返回0

动归五步法：

1.dp数组及下标的含义：dp数组是数值总和为j的所有方案数。相当于背包容量为j，物品为nums，用背包装nums可以有多少种装法

2.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（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]中方法 凑成 容量为5的背包
• 已经有一个4（nums[i]） 的话，有 dp[1]中方法 凑成 容量为5的背包
• 已经有一个5 （nums[i]）的话，有 dp[0]中方法 凑成 容量为5的背包

3.dp数组初始化：dp[0] = 1表示装满背包容量为0的方法有1种，假设sum = 5，target= 5，nums = [5],那么dp[5] = dp[0];此时明显有一种转法

4.遍历顺序：先遍历物品再遍历背包，同时背包要倒序

class Solution {
    public int findTargetSumWays(int[] nums, int target) {
        int sum = 0;
        for (int i = 0; i < nums.length; i++) {
            sum+=nums[i];
        }
        if (Math.abs(target)>sum)
            return 0;
        if ((sum+target)%2==1)
            return 0;
        int bagsize = (sum+target)/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]+dp[j-nums[i]];
            }
        }
        return dp[bagsize];
    }
}

474.一和零

1.题目描述

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

2.解题思路及代码实现

动态规划五部曲

1.dp数组及下标含义：dp[i] [j] 表示的是0的容量为i，1的容量为j所包含的最多子集。

2.递推公式：dp[i] [j] = Math.max(dp[i] [j],dp[i-字符串中0的数量] [j-字符串中1的数量]+1)

3.初始化：dp[0] [0] = 0

4.遍历顺序：不断遍历二进制字符串数组 strs中的字符串

class Solution {
    public int findMaxForm(String[] strs, int m, int n) {
        int[][] dp = new int[m+1][n+1];
        for (String str:strs) {
            int numsOf0 = 0;
            int numsOf1 = 0;
            for (int i = 0; i < str.length(); i++) {
                if (str.charAt(i)=='0')
                    numsOf0++;
                else 
                    numsOf1++;
            }
            for (int i = m; i >=numsOf0; i--) {
                for (int j = n; j >=numsOf1; j--) {
                    dp[i][j] = Math.max(dp[i][j],dp[i-numsOf0][j-numsOf1]+1);
                }
            }
        }
        return dp[m][n];
    }
}