round1/day14&15/动规3-01背包

1. 关于动规

1. 01背包思路
   1. 二维数组
   2. 一维数组
      • 创建dp数组：j是目标总价，dp[j]可以是int[]，也可能是boolean[]。例：int[]的dp：是在0~i个物品中，可以实现的里目标总价最近的价值
      • 初始化：dp[j=0]?
      • 状态转移：
        • 注意遍历顺序：物品顺序遍历，然后背包容量倒序遍历，其遍历边界是到j-weight[i]为止
        • 比较2种情况Math.max()：从i+1个物品遍历到第i个物品时：
          • 情况1：用得到物品i：dp[j-weight[i]] + val[i]
          • 情况2：用不到物品i：仍然是（在物品数组i+1时搭配出来的）dp[j]不变
          • 注意：如果返回int[]，则这里的比较是指Math.max；如果返回boolean[]，则这里的比较是指 v||
2. 待施工

思路练习

1. 怎么把思路转化成01背包？（谁是j，谁是dp[j]？谁是背包容量，谁是物品价值/重量？）
2. 01背包的一维数组要注意什么？（j的遍历顺序？j的遍历边界？）

2. 例题

lc1049 最后一块石头重量II

前置知识点

int[]数组求和：Arrays.stream(nums).sum()

思路

转为01背包问题：

1. 把石头分成尽可能等重的两堆，然后两堆相撞求得解
2. 怎么样可以凑到尽可能=总重一半？用416分割等和子集的思想，即让i个石头中，凑到sum/2的可能性，只是这次不返回t/f，也不用追求完全=sum/2，而是要返回最佳情况下，凑到的最大石头总重
3. 转嫁为背包思路
   • 谁是背包？什么是背包容量?——sum/2即为背包容量
     • 谁是j？——当背包容量为j时……这个j是滚动变化的，而不是静止的sum/2
   • 谁是物品？——石头
     • 谁是i？——石头们，0~i即为在前i个石头里，是否存在部分的石头可以使……
     • 谁是物品重量？——每个石头的重量stones[i]，即为在状态转移比较更新时的dp[j-stones[i]]+stones[i]中的第一个stones[i]，此处代表weight[i]
     • 谁是物品价值？——本题中，也是每个石头的重量stones[i]，即为在状态转移比较更新时dp[j-stones[i]]+stones[i]中的第二个stones[i]

01背包的应用：

1. 创建dp数组：故设定dp[j]表示，在背包容量（石头目标总重）为j时，能凑到的离背包容量最近的最大石头总重为dp[j]
2. 状态转移：遍历到第i个石头时：
   • 情况1：需要用到这i个石头 dp[j-stones[i]]+stones[i]
   • 情况2：用不到这i个石头 dp[j]
   • 比较2情况并更新：dp[j]=max(dp[j],dp[j-stones[i]]+stones[i])
3. 遍历顺序：一维数组，先顺序遍历物品（石头）i，再倒序遍历背包容量j
4. 初始化：若j=0，则答案为0，跟默认的是一样的，相当于不用初始化

易错点

注意j遍历的边界，为了步数组越界，需要的是j-stones[i]>=0,即j>=stones[i]

代码实现

class Solution {
    public int lastStoneWeightII(int[] stones) {
        //计算目标重量：总重的一半
        int sum = Arrays.stream(stones).sum();
        int targetsum=sum/2;

        //建立dp数组，这里已经默认dp[?]=0了
        int[] dp=new int[targetsum+1];

        //初始化：本题没有

        //状态转移（注意一维数组的遍历顺序
        //易错，注意j遍历的边界，为了步数组越界，需要的是j-stones[i]>=0,即j>=stones[i]
        for(int i=0;i<stones.length;i++){
            for(int j=targetsum;j>=stones[i];j--){
                dp[j]=Math.max(dp[j],dp[j-stones[i]]+stones[i]);
            }
        }

        //最终撞击两堆石头，即sum-2dp[targetsum]
        return sum-2*dp[targetsum];
    }
}