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
思考
这个和 分割等和子集 有点类似,分割等和子集是给一个集合例如{1,2,3,6}
看看这个集合是否可以分成两个子集的和是相同的,子集1{1,2,3},子集2{6}
说明这个集合是可以的。其实该问题也就是找到一个子集为该集合的和一半即可。
我们可以转化为01背包问题,这道题与传统的「0-10−1 背包问题」的区别在于,传统的「0-10−1 背包问题」要求选取的物品的重量之和不能超过背包的总容量,这道题则要求选取的数字的和恰好等于整个数组的元素和的一半。
- 背包的容量为target
- 每个元素的重量为其值
- 每个元素的价格为其值
该题其实就是划分为两个和最接近的子集
所以我们找到一个最接近集合的和一半的子集就行了。
假设总重量为sum
- 背包的容量为bag = sum/2
- 每个石头的重量是其值
dp数组及其下标含义
dp[i][j] 表示0-i中的石头可以装下容量为j的背包的最大重量(肯定是越大越好,装满最好,因为装满正好是一半)
递推公式
stones[i] ≤ j时,dp[i][j] = max( )
stones[i] >j时,dp[i][j] = dp[i-1][j]
dp数组初始化
初始化第一行和第一列
完善dp数组
遍历完善dp数组
public int lastStoneWeightII(int[] stones) {
int sum = 0;
for(int i = 0;i<stones.length;i++){
sum = sum + stones[i];
}
int bag = sum/2 + 1;
int[][] dp =new int[stones.length][bag];
// dp数组初始化
for (int i=0;i<dp.length;i++){
dp[i][0] = 0;
}
for (int j=1;j<bag;j++){
if(stones[0]<=j)
dp[0][j] = stones[0];
else dp[0][j] = 0;
}
// 完善dp数组
for (int i=1;i<dp.length;i++){
for(int j=1;j<bag;j++){
if(j>=stones[i]){
dp[i][j] = Math.max(dp[i-1][j],dp[i-1][j-stones[i]]+stones[i]);
}
else dp[i][j] = dp[i-1][j];
}
}
return Math.abs( sum-dp[dp.length-1][bag-1]*2);
}