背包问题概述
三种背包问题都有一个共同的限制,那就是背包容量,背包的容量是有限的,这便限制了物品的选择,而三种背包问题的共同目的,便是让背包中的物品价值最大。
不同的地方在于物品数量的限制,01背包问题中,每种物品只有一个,对于每种物品而言,便只有选和不选两个选择。完全背包问题中,每种物品有无限多个,所以可选的范围要大很多。在多重背包问题中,每种物品都有各自的数量限制。
题型:
- 最低、最多。初始化值一般是
dp[0]=0
, 递推公式一般是dp[j] = Math.max(dp[j], dp[j-w[i]] + v[i])
。w[i]
为重量,v[i]
为价值; - 恰好装满,有多少种。初始化值一般是
dp[0]=1
, 递推公式一般是dp[j] += dp[j-nums[i-1]
。
0-1背包
重点记忆:
- 一维数组,先遍历物品再遍历背包,从大到小遍历背包;
- 题目是否可以转化为求总重量为x的背包;
- 二维背包。
416. 分割等和子集
- 当sum/2为奇数时,永远都不能等分
- 背包最大重量为sum/2,物品重量为nums[i],价值为nums[i]
- dp[i][j]:选取前i个物品,当背包最大能装j重量的物品时,dp[i][j]表示此时背包的最大价值(实际装的物品的重量)
- 问题可以转化为求dp[nums.lenth][sum/2]表示的最大价值(实际装的物品的重量)是否等于sum/2,若相等,则说明存在。
- 以输入数组 [1, 5, 11, 5]为例, dp[7] 只能等于 6,因为 只能放进 1 和 5。
而dp[6] 就可以等于6了,放进1 和 5,那么dp[6] == 6,说明背包装满
二维数组解法
class Solution {
public boolean canPartition(int[] nums) {
int sum = Arrays.stream(nums).sum();
if (sum % 2 != 0) {
return false;
}
int target = sum/2;
int[][] dp = new int[nums.length + 1][target + 1];
for(int i = 1; i <= nums.length; i++){
for(int j = 1; j <= target; j++){
dp[i][j] = dp[i-1][j];
if( (j-nums[i-1]) >= 0){
dp[i][j] =Math.max(dp[i][j] , dp[i-1][j-nums[i-1]]+ nums[i-1] );
}
}
}
return dp[nums.length][target] == target;
}
}
一维数组解法
class Solution {
public boolean canPartition(int[] nums) {
int sum = Arrays.stream(nums).sum();
if (sum % 2 != 0) {
return false;
}
int target = sum/2;
int[] dp = new int[target + 1];
for(int i = 1; i <= nums.length; i++){
for(int j = target; j>=nums[i-1]; j--){
dp[j] = Math.max(dp[j],dp[j-nums[i-1]]+nums[i-1]);
}
}
return dp[target] == target;
}
}
1049. 最后一块石头的重量 II
- 思路:尽量让石头分成重量相同的两堆,相撞之后剩下的石头最小,这样就化解成01背包问题
- 物品的重量、价值都为stone[i]
- 背包最大重量为sum / 2,左右边界无需考虑,只要左右能够尽量相等就好
一维数组解法
class Solution {
public int lastStoneWeightII(int[] stones) {
int sum = 0;
for(int i = 0; i < stones.length; i++){
sum+=stones[i];
}
int m = sum / 2;
int[] dp = new int[m+1];
for(int i = 1; i <= stones.length; i++){
for(int j = m; j >= stones[i-1]; j--){
dp[j] = Math.max(dp[j],dp[j-stones[i-1]]+ stones[i-1]);
}
}
return (sum - dp[m]) - dp[m];
}
}
494. 目标和
- 思路:l表示加正号的数,r表示加负号的数,根据题意存在
l + r = sum,l - r = target
, 即l = (sum + target) / 2
, 题目可以转化为给定nums数组,取出n个数,使其和为l的组合; - 注意当
(sum + target) / 2 != 0 || abs(target) > sum
时,题目无解,因为nums数组取n个数怎么组合都无法使其和为l; - 物品重量为nums[i],背包最大重量为l,求恰好装满背包有多少种解法;
- dp数组:前i个物品中,任取n个数,使得n个数的总和为j,dp[i][j]表示有几种选法;
- 递推公式
dp[i][j] = dp[i-1][j] + dp[i-1][j-nums[i-1]
- 初始化:
dp[0][0] = 1
- 先遍历物品,再遍历容量
class Solution {
public int findTargetSumWays(int[] nums, int target) {
int sum = 0;
for(int num : nums){
sum+=num;
}
if((target + sum) % 2 == 1 || Math.abs(target) > sum) return 0;
//为什么把m作为背包的容量
int m = (target + sum) >> 1;
int[] dp = new int[m+1];
dp[0] = 1;
for(int i = 1; i <= nums.length; i++){
for(int j = m; j >= nums[i-1]; j--){
dp[j]+=dp[j-nums[i-1]];
}
}
return dp[m];
}
}
474. 一和零
- 每个字符串只能取0或1次,有两个维度的限制,分别是0的数量最多为m,1的数量最多为n,所以是二维0-1背包;
- 背包的最大容量是m和n,物品的重量是strs[i]中0和1的数目,每个物品的价值是1,求最大价值
dp[i][j][k]
含义:前i个字符串中,0的最大数量为j,1的最大数量为k时,dp[i][j][k]
表示符合条件的最大子集(字符串的数目最多)dp[i][j][k] = Max(dp[i-1][j][k], dp[i-1][j-zero][k-one] + 1)
- 初始化:
dp[0][j][k] = 0
- 遍历顺序:先遍历字符串,再遍历0和1的最大数量
class Solution {
public int findMaxForm(String[] strs, int m, int n) {
int[][] dp = new int[m+1][n+1];
for(int i = 1; i <= strs.length; i++){
int zero = 0, one = 0;
for(char str: strs[i - 1].toCharArray()){
if(str == '0') zero++;
else one++;
}
for(int j = m; j >= zero; j--){
for(int k = n; k >= one; k--){
dp[j][k] = Math.max(dp[j][k], dp[j-zero][k-one] + 1);
}
}
}
return dp[m][n];
}
}
完全背包
重点记忆:
- 一维数组,从小到大遍历背包,可以重复添加;
- 推导公式;
- 先遍历物品再遍历背包求组合,先遍历背包再遍历物品求排列;
完全背包推导与理解
- 公式推导
k满足: k>=0 && k*v[i]<=j
f[i][j]=max(f[i-1][j],f[i-1][j-v[i]]+w[i],f[i-1][j-2*v[i]]+2*w[i],f[i-1][j-3*v[i]]+3*w[i],.....)
f[i][j-v[i]]=max( f[i-1][j-v[i]],f[i-1][j-2*v[i]]+w[i],f[i-1][j-3*v[i]]+2*w[i],.....)
由上两式,可得出如下递推关系:f[i][j]=max( f[i-1][j],f[i][j-v[i]]+w[i])
一维数组优化
for(int i = 1; i <= n ; i++){
for(int j = v[i]; j <= m; j++){
//当j∈[0,v[i])时,f[i][j] = f[i-1][j]
//当j∈[v[i],m]时,f[j-v[i]]为第i层的执行结果,符合上述恒等式
f[j] = Math.max(f[j], f[j-v[i]] + w[i]);
}
}
- 理解记忆
完全背包的物品是可以添加多次的,所以遍历背包时,要从小到大去遍历。
518. 零钱兑换 II
dp[j]
含义:取前n个硬币,当总金额为j时,dp[j]表示可以凑成总金额j的硬币组合数dp[j] = dp[j] + dp[j-coins[i-1]]
- 初始化,
dp[0]=1
- 遍历顺序:先遍历硬币,再遍历总金额
class Solution {
public int change(int amount, int[] coins) {
int[] dp = new int[amount+1];
dp[0] = 1;
for(int i = 1; i <= coins.length; i++){
for(int j = coins[i-1]; j <= amount; j++){
dp[j]+= dp[j - coins[i-1]];
}
}
return dp[amount];
}
}
377. 组合总和 Ⅳ
dp[j]
含义:表示可以凑成目标总数j的整数的排列数dp[j] = dp[j] + dp[j-nums[i-1]]
- 初始化
dp[0]=1
- 遍历顺序: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。但是求方案个数时,则有排列与组合之分,要通过不同的遍历顺序来求。
先遍历背包,再遍历物品,求的是排列
先遍历物品,再遍历背包,求的是组合。如果把遍历nums(物品)放在外循环,遍历target的作为内循环的话,举一个例子:计算dp[4]的时候,结果集只有 {1,3} 这样的集合,不会有{3,1}这样的集合,因为nums遍历放在外层,3只能出现在1后面。
class Solution {
public int combinationSum4(int[] nums, int target) {
int[] dp = new int[target+1];
dp[0] = 1;
for(int i = 1; i <= target; i++){ //背包
for(int j = 1; j <= nums.length; j++){ //物品
if(i >= nums[j-1]){
dp[i]+=dp[i-nums[j-1]];
}
}
}
return dp[target];
}
}
70. 爬楼梯(进阶)
改为:一步一个台阶,两个台阶,三个台阶,…,直到 m个台阶。问有多少种不同的方法可以爬到楼顶呢?
解析:1阶,2阶,… m阶就是物品,楼顶就是背包。每一阶可以重复使用,例如跳了1阶,还可以继续跳1阶。问跳到楼顶有几种方法其实就是问装满背包有几种方法。
class Solution {
public int climbStairs(int n) {
int[] dp = new int[n+1];
dp[0] = 1;
for(int i = 1; i <= n; i++){ //总台阶数
for(int j = 1; j <= 2; j++){ //每次可以爬的台阶数
if(i >= j) dp[i]+=dp[i - j];
}
}
return dp[n];
}
}
322. 零钱兑换
- dp数组:取前n个物品,总金额为j时,dp[j]表示可以凑成总金额j所需的最少的硬币个数
- 递推公式:
dp[j] = Math.min(dp[j],dp[j-coins[i-1]]+1);
- 初始化:dp[0] = 0, 求最小值,所以
dp[i](i>0)
都初始化为最大值 - 遍历顺序:不是求方案数,任意顺序都可以
class Solution {
public int coinChange(int[] coins, int amount) {
//取前n个物品,总金额为j时,dp[j]表示可以凑成总金额j所需的最少的硬币个数
int[] dp = new int[amount+1];
dp[0] = 0;
for(int i = 1; i < dp.length; i++){
dp[i] = Integer.MAX_VALUE;
}
for(int i = 1; i <= coins.length; i++){
for(int j = coins[i-1]; j <= amount; j++){
if(dp[j-coins[i-1]] != Integer.MAX_VALUE){
dp[j] = Math.min(dp[j],dp[j-coins[i-1]]+1);
}
}
}
return dp[amount] == Integer.MAX_VALUE ? -1: dp[amount];
}
}
279.完全平方数
class Solution {
public int numSquares(int n) {
int[] dp = new int[n+1];
dp[0] = 0;
for(int i = 1; i < dp.length; i++) dp[i] = Integer.MAX_VALUE;
for(int i = 1; i*i <= n; i++){
int sq = i * i;
for(int j = sq; j <= n; j++){
dp[j] = Math.min(dp[j],dp[j-sq]+1);
}
// for(int j = 0; j < dp.length; j++){
// System.out.print(dp[j]+"\t");
// }
// System.out.println();
}
return dp[n];
}
}
139.单词拆分
解题思路:字典里的单词(物品)能否组成字符串(背包),即正好装满背包,且单词可以使用多次,所以是完全背包问题。
- dp数组含义:字典能否组成长度为i的字符串s;
dp[i] = dp[i-wordDict[j].length] && s.substring(i-wordDict[j].length,i).equals(wordDict[j])
;- 初始化:
dp[0] = true
; - 遍历顺序:装满背包对物品的顺序有要求,选择排列数,先遍历长度,即背包,再遍历字典,即物品
class Solution {
public boolean wordBreak(String s, List<String> wordDict) {
boolean[] dp = new boolean[s.length() + 1];
dp[0] = true;
for(int i = 1; i <= s.length(); i++){ //遍历长度,即背包
for(String word: wordDict){ //遍历字典,即物品
int len = word.length();
if(i >= len && dp[i-len] && s.substring(i-len,i).equals(word)){
dp[i] = true;
break;
}
}
}
return dp[s.length()];
}
}
class Solution {
public boolean wordBreak(String s, List<String> wordDict) {
boolean[] dp = new boolean[s.length() + 1];
HashSet<String> set = new HashSet<>(wordDict);
dp[0] = true;
for(int i = 1; i <= s.length(); i++){ //遍历长度,即背包
for(int j = 0; j < i; j++){ //遍历物品
if(dp[j] && set.contains(s.substring(j,i))){
dp[i] = true;
}
}
}
return dp[s.length()];
}
}