纯01背包
装满背包的最大价值是多少
放入物品i时,装入容量为j的背包的最大价值为dp[i][j]
dp[i][j] = max(dp[i-1][j], dp[i-1][j-weight[i]]+value[i]);
01背包之滚动数组
装入物品i时,装入背包的最大价值为dp[i]
dp[i] = max(dp[j], dp[j-weight[i]]+value[i]);
遍历顺序
for(int i = 0; i < 物品数量; i++){
for(int j = weight; j >= weight[i]; j--){
dp[j] = Math.max(dp[j], dp[j-weight[i]]+value[i]);
}
}
第一层for循环遍历的是物品,第二层for循环遍历的是背包。和经典01背包相比,不同之处在于滚动数组在遍历背包的时候需要倒叙遍历,这么做的原因是保证每个物品只被添加一次。
同时两层for循环不能颠倒,必须是先遍历物品,再遍历背包。
拓展运用一:分割等和子集
给你一个 只包含正整数的非空数组
nums
。请你判断是否可以将这个数组分割成两个子集,使得两个子集的元素和相等。
若使用动态规划来解决该题,我们可以将其抽象成背包问题。即:数组中的每个元素都是物品,问容量为所有元素之和的一半的背包是否能被装满。
对应leetcode第416题。
nums = [1,5,11,5],元素之和为22
每一个元素就是物品的重量,也是物品的价值,问是否能装满容量为11的背包(装满即为最大价值)。
与01背包问题相比:几乎一致,第一层for循环遍历元素,第二层for循环遍历背包(集合)。只需将dp公式中的 weight[i] 和 value[i] 都换成 nums[i] 即可。
for (int i = 0; i < nums.length; i++) {
for (int j = target; j >= nums[i] ; j--) {
dp[j] = Math.max(dp[j], dp[j-nums[i]]+nums[i]);
}
}
具体代码实现如下:
class Solution {
public boolean canPartition(int[] nums) {
Arrays.sort(nums);
int target = 0;
for (int i = 0; i < nums.length; i++) {
target += nums[i];
}
if(target % 2 != 0){
return false;
}else target /= 2;
int[] dp = new int[target+1];
for (int i = 0; i < nums.length; i++) {
for (int j = target; j >= nums[i] ; j--) {
dp[j] = Math.max(dp[j], dp[j-nums[i]]+nums[i]);
}
}
if(dp[target] == target ){
return true;
}else return false;
}
}
核心思想:能否装满背包
拓展运用二:最后一块石头的重量Ⅱ
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
。
对应leetcode第1049题。
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。
不断地取两块石头进行撞击,取集合内的最小值,可以将其化作两堆石头,若两堆石头相撞可得到最小值,那么就是最优值。
如果把石头分成两堆重量等大或重量相近的石头,那么相撞之后余剩的质量为最小。将其抽象成背包问题,即总重量为 sum ,能装入背包容量为 sum/2 的最大重量是多少。
能装满背包为sum/2的最大重量为dp[j],数组元素的值即是物品重量,也是物品价值。
此时问题和01背包问题一致,dp公式如下:
dp[j]=Math.max(dp[j], dp[j-stones[i]] + stones[i]);
具体代码实现如下:
class Solution {
public int lastStoneWeightII(int[] stones) {
int target = 0;
int sum = 0;
for (int i = 0; i < stones.length; i++) {
sum += stones[i];
}
target = sum / 2;
int[] dp = new int[target+1];
for (int i = 0; i < stones.length; i++) {
for (int j = target; j >= stones[i] ; j--) {
dp[j] = Math.max(dp[j], dp[j-stones[i]]+stones[i]);
}
}
int rest = sum -dp[target];
return Math.abs(dp[target] - rest);
}
}
核心思想:给一个背包,能装多少装多少,求背包能装入的最大重量(质量)
拓展运用三:目标和
给你一个整数数组
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。
对应leetcode第494题
给一个数组,对于里面的元素选择 ‘+’ 或者 ‘-’ 。对于这类两种选择的问题,实际上使用递归算法会更加直接快捷,先选择 ‘+’,若不合适则回溯去选择‘-’ 。但是本题使用回溯算法会占用大量的时间和内存,因此不建议使用。
回溯算法代码实现如下:
public class 目标和m {
int num = 0;
public int findTargetSumWays(int[] nums, int target) {
backtrack(nums, target, 0, 0);
return num;
}
public void backtrack(int[] nums, int target, int sum, int startIndex){
if(startIndex == nums.length){
if(sum == target){
num += 1;
}
return;
}
//选择+
sum += nums[startIndex];
backtrack(nums, target, sum, startIndex+1);
//不符合被return,撤销选择,并选择-
sum -= nums[startIndex] * 2;
backtrack(nums, target, sum, startIndex+1);
//不符合被return,撤销选择
sum += nums[startIndex];
}
}
对于此题,我们可以通过最后一块石头的重量Ⅱ得到一点灵感:将选择‘+’的元素分成一个集合,那么余剩的元素就选择‘-’,再由集合‘+’的总和减去集合‘-’的总和,即可得到目标值,因此可以得出以下结论:
设集合‘+’的总和为add,集合‘-’的总和为reduce,所有元素的总和为sum
那么add-reduce = target,add-(sum-add)=target
==> add = (target+sum)/2
可以将其抽象成01背包问题:即当背包容量为add时,装满背包有多少种方法。由于问题不再是询问背包的重量或者质量,因此dp公式没有办法直接套用,但是遍历仍然和01背包问题相同:第一层for循环遍历元素,第二层for循环遍历背包。
对于dp公式的推导,可以从初始化入手:
假设背包的容量为5,递推公式为dp[j],即装满容量为j的背包有dp[j]种方法。
- 当背包内有一个重量为1的物品时,有dp[4]种方法可以装满背包。(容量5减去物品重量1)
- 当背包内有一个重量为2的物品时,有dp[3]种方法可以装满背包。
- 当背包内有一个重量为3的物品时,有dp[2]种方法可以装满背包。
- 当背包内有一个重量为4的物品时,有dp[1]种方法可以装满背包。
- 当背包内有一个重量为5的物品时,有dp[0]种方法可以装满背包
此处和爬楼梯一题十分相似,每次爬一层或两层,爬上第 i 层台阶有dp[i] = dp[i-1] + dp[i-1]种方法。那么此题,装满背包容量为5的方法,也可以由之前装满背包的方法相加。
即:dp[5] = d[4] + dp[3] + dp[2] + dp[1] + dp[0]
因此dp公式为:
dp[j] += dp[j - nums[i]];
代码实现如下:
class Solution {
public int findTargetSumWays(int[] nums, int target) {
int sum = 0;
for (int i = 0; i < nums.length; i++) sum += nums[i];
//如果target过大 sum将无法满足
if ( target < 0 && sum < -target) return 0;
if ((target + sum) % 2 != 0) return 0;
int size = (target + sum) / 2;
if(size < 0) size = -size;
int[] dp = new int[size + 1];
dp[0] = 1;
for (int i = 0; i < nums.length; i++) {
for (int j = size; j >= nums[i]; j--) {
dp[j] += dp[j - nums[i]];
}
}
return dp[size];
}
}
核心思想:有多少种方法把背包装满
一和零:背包里最多有多少个物品