代码随想录刷LeetCode | 动态规划完全背包问题刷题回顾

风吹衣ou

已于 2023-01-06 17:49:06 修改

阅读量133

点赞数

文章标签：动态规划算法 java leetcode

于 2023-01-05 15:36:52 首次发布

本文链接：https://blog.csdn.net/weixin_40142386/article/details/128557562

版权

思路同零钱兑换+物品遍历for(int i = 0;i*i <= n;i++)

7. 单词拆分

思路：动态规划六步法

代码优化：使用哈希判断是否存在

前沿：撰写博客的目的是为了再刷时回顾和进一步完善，其次才是以教为学，所以如果有些博客写的较简陋，是为了保持进度不得已而为之，还请大家多多见谅。

预：看到题目后的思路和实现的代码。

见：参考答案展示。

感思：对比答案后的思考，与之前做过的题目是否有关联。

行：

（1）对于没做出来的题目，阅读答案后重新做一遍；

（2）下次做题可以尝试改善的方向；

（3）有助于理解的相关的题目

优先级：做题进度＞学习&总结＞默写回顾＞做题数量

题目回顾

动态规划相关章节

代码随想录刷LeetCode | day39 动态规划刷题回顾

代码随想录刷LeetCode | day41 动态规划刷题回顾

代码随想录刷LeetCode | day42&day43 动态规划刷题回顾

动态规划五步法：

确定dp数组以及下标的含义

确定递推公式

dp数组如何初始化

确定遍历顺序

举例推导dp数组

1.完全背包理论

理论链接：完全背包理论

0-1背包指的是每个物品只能选择一次，求背包在容量j时的最大价值。

完全背包则是指每个物品能选择多次（相对于有放回），求背包在容量j的最大价值。

完全背包的重点在于遍历顺序，虽然对于纯完全背包问题，物品和容量谁在for循环里都行，与0-1背包逆序遍历不同，完全背包问题要正序遍历。

纯完全背包求得装满背包的最大价值是多少，和凑成总和的元素有没有顺序没关系。
改变循环内外顺序都不会影响装满背包的最大价值，只是影响覆盖计算的值次数不同罢了。

但实际出的算法中，完全背包的遍历顺序要根据题目来变化。

排序问题（组合总和 Ⅳ）时，不同顺序的组合都作为一种新的方案，此时容量要放在外循环，内循环则是物品，这样才能每次遍历时容量都能从全部物品中重新选择。
组合问题求次数→特有递推公式dp[j] += dp[j-weight[i]]，则与排序问题相反，要保证每个组合只出现一次，则需要物品在外循环，内循环为容量，这样都只能遍历一次。

2.组合总和 Ⅳ

题目链接：377. 组合总和 Ⅳ

class Solution {
    public int combinationSum4(int[] nums, int target) {
        int[] dp = new int[target+1];
        int len = nums.length;
        dp[0] = 1;
        for(int j = 1;j <= target;j++){
            for(int i = 0;i < len;i++){
                if(j >= nums[i]){
                    // System.out.println(dp[j]);
                    dp[j] += dp[j-nums[i]];
                }
            }
        }
        return dp[target];
    }
}

3.零钱兑换 II

题目链接：518. 零钱兑换 II

虽然是按照0-1背包的遍历顺序直接蒙出来，但也是有动态规划五步法，尤其是第五步的举例模拟相同才去实现代码的。

class Solution {
    public int change(int amount, int[] coins) {
        int[] dp = new int[amount+1];
        dp[0] = 1;
        for(int i = 0;i < coins.length;i++){
            for(int j = coins[i];j <= amount;j++){
                dp[j] += dp[j-coins[i]];
            }
        }
        return dp[amount];
    }
}

4.爬楼梯（进阶）

题目链接：70. 爬楼梯（进阶）

思路：动态规划五步法

是否属于背包问题？
1. 目标楼梯数为n则相对于背包重量，每次只能走1层或两层表示物品重量/价值，能重复走→完全背包问题。
dp[j]表示当背包重量为j时，共有dp[j]个走法→考虑要选择物品顺序→求排序
递推公式：dp[j] += dp[j-nums[i]]
初始化dp[0] = 1，求排序or组合问题的递推公式为累加，所以初始化必须为1。
1. 并且重量为0时，无论走多少层都能达到，所以可设置为初始化为1。
遍历顺序：完全背包排序问题→先背包重量正序遍历，再物品正序遍历。
举例验证思路正确性（略）

class Solution {
    public int climbStairs(int n) {
        int[] dp = new int[n+1];
        dp[0] = 1;
        for(int j = 1;j <= n;j++){
            for(int k = 1;k <= 2 && j >= k;k++){
                // if(j >= k){
                    dp[j] += dp[j-k];
                // }
                
            }
        }
        return dp[n];
    }
}

物品for循环中的判断能够加入 j>= k，因为物品重量是从小到大的，所以若j＜i则表示其后面的都大不过也就没有遍历的必要。

5.零钱兑换

题目链接：322. 零钱兑换

思路：动态规划五步法

是否背包问题？
1. 求最小硬币数组成目标值target→背包重量，硬币无限选→物品重量 = 完全背包
dp[j]表示背包重量为j时，最小硬币组成目标值数dp[j]
递推公式：dp[j] = Math.min(dp[j],dp[j-nums[i]]+1);
初始化：背包重量为0时，不需要硬币就能组成，所以dp[j] = 0?
遍历顺序：求最小数→完全背包不需要考虑for循环内外顺序，反正都是通过计算覆盖。

class Solution {
    public int coinChange(int[] coins, int amount) {
        int[] dp = new int[amount+1];
        dp[0] = 0;
        for(int j = 1;j <= amount;j++){
            dp[j] = amount+1;
        }
        for(int i = 0;i < coins.length;i++){
            for(int j = coins[i];j <= amount;j++){
                dp[j] = Math.min(dp[j],dp[j-coins[i]]+1);
            }
        }
        return dp[amount] == amount+1?-1:dp[amount];
    }
}

采用求排序的顺序遍历：外层物品，内层背包重量都是正序。

剪枝：内层背包令j从coins[i]开始，因为小于该值都不能更新dp[j]。

6.完全平方数

题目链接：279.完全平方数

思路同零钱兑换+物品遍历for(int i = 0;i*i <= n;i++)

7. 单词拆分

题目链接：139.单词拆分

思路：动态规划六步法

1.是否是背包问题？

单词重复使用→物品+可能用完全背包；目标值为字符串列表→背包重量

2.dp[j]当背包重量为j时，是否能够拼接。

3.递推公式：如果当下的能够部分拼接，若删除该段先前也能拼接则能够拼接返回true

if(s.substring(j-wordDictLen,j).equals(wordDict.get(i))){

dp[j] = dp[j-wordDictLen];}

4.初始化：刚开始背包重量为0，肯定能拼接，所以默认dp[0] = true

5.遍历顺序：单词拼接有顺序→排序问题→for外背包重量，内物品。

class Solution {
    public boolean wordBreak(String s, List<String> wordDict) {
        int slen = s.length();
        boolean[] dp = new boolean[slen+1];
        dp[0] = true;
        int wordDictLen;
        for(int j = 1;j <= slen;j++){
            for(int i = 0;i < wordDict.size();i++){
                wordDictLen = wordDict.get(i).length();
                if(j >= wordDictLen && dp[j] == false){
                    if(s.substring(j-wordDictLen,j).equals(wordDict.get(i))){
                        dp[j] = dp[j-wordDictLen];
                    }
                }
            }
        } 
        return dp[slen];   
    }
}

递推公式判断后赋值写成：dp[j] = dp[j-wordDictLen]会需要内嵌dp[j] == false，并若break，

否则可能会导致dp[j]本来赋值true后被后面也满足判断的dp[j-wordDictLen] = false覆盖。

代码优化：使用哈希判断是否存在

class Solution {
    public boolean wordBreak(String s, List<String> wordDict) {
        HashSet<String> set = new HashSet<>(wordDict);
        boolean[] valid = new boolean[s.length() + 1];
        valid[0] = true;

        for (int i = 1; i <= s.length(); i++) {
            for (int j = 0; j < i && !valid[i]; j++) {
                if (set.contains(s.substring(j, i)) && valid[j]) {
                    valid[i] = true;
                }
            }
        }

        return valid[s.length()];
    }
}

风吹衣ou

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
代码随想录刷LeetCode | 动态规划完全背包问题刷题回顾

纯完全背包求得装满背包的最大价值是多少，改变循环内外顺序都不会影响装满背包的最大价值，只是影响覆盖计算的值次数不同罢了。求完全背包组合问题：for循环外层是正常的物品，内循环是背包重量（从小到大→有放回选物品）完全背包排序问题：不同位置则属于新的方案，需要for循环外层是背包重量，内循环是物品（每次能从头开始选物品）
复制链接

扫一扫