1049. 最后一块石头的重量 II
文档讲解 : 代码随想录 - 1049. 最后一块石头的重量 II
状态:再次回顾。
动态规划五部曲:
-
确定dp数组(dp table)以及下标的含义
dp[i]的定义为:表示容量为j
的背包,最多可以背最大重量为dp[j]
。 -
确定递推公式
dp[j] = max(dp[j], dp[j - stones[i]] + stones[i]);
-
dp数组如何初始化
vector<int> dp(15001, 0);
-
确定遍历顺序
先遍历物品,再遍历背包。(不可以换顺序!)for(int i = 0; i < weight.size(); i++) { // 遍历物品 for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量 dp[j] = max(dp[j], dp[j - weight[i]] + value[i]); } }
-
举例推导dp数组:
输入:[2,4,1,1],此时target = (2 + 4 + 1 + 1)/2 = 4 ,dp数组状态图如下:
本题代码:
class Solution {
public:
int lastStoneWeightII(vector<int>& stones) {
vector<int> dp(15001, 0);
int sum = 0;
for (int i = 0; i < stones.size(); i++) sum += stones[i];
int target = sum / 2;
for (int i = 0; i < stones.size(); i++) { // 遍历物品
for (int j = target; j >= stones[i]; j--) { // 遍历背包
dp[j] = max(dp[j], dp[j - stones[i]] + stones[i]);
}
}
return sum - dp[target] - dp[target];
}
};
- 时间复杂度:
O
(
m
×
n
)
O(m × n)
O(m×n),
m
是石头总重量(准确的说是总重量的一半),n
为石头块数 - 空间复杂度: O ( m ) O(m) O(m)
494. 目标和
文档讲解 : 代码随想录 - 494. 目标和
状态:再次回顾。
以爬楼梯那题思路来理解这一道题
动态规划五部曲:
-
确定dp数组(dp table)以及下标的含义
dp[i]的定义为:填满j
(包括j
)这么大容积的包,有dp[j]
种方法。 -
确定递推公式
dp[j] += dp[j - nums[i]]
-
dp数组如何初始化
dp[0] = 1 ;
-
确定遍历顺序
先遍历物品,再遍历背包。(不可以换顺序!) -
举例推导dp数组:
输入:nums: [1, 1, 1, 1, 1], S: 3
bagSize = (S + sum) / 2 = (3 + 5) / 2 = 4
dp数组状态变化如下:
本题代码:
class Solution {
public:
int findTargetSumWays(vector<int>& nums, int S) {
int sum = 0;
for (int i = 0; i < nums.size(); i++) sum += nums[i];
if (abs(S) > sum) return 0; // 此时没有方案
if ((S + sum) % 2 == 1) return 0; // 此时没有方案
int bagSize = (S + sum) / 2;
vector<int> dp(bagSize + 1, 0);
dp[0] = 1;
for (int i = 0; i < nums.size(); i++) {
for (int j = bagSize; j >= nums[i]; j--) {
dp[j] += dp[j - nums[i]];
}
}
return dp[bagSize];
}
};
- 时间复杂度:
O
(
n
×
m
)
O(n × m)
O(n×m),
n
为正数个数,m
为背包容量 - 空间复杂度:
O
(
m
)
O(m)
O(m),
m
为背包容量
474.一和零
文档讲解 : 代码随想录 - 474.一和零
状态:再次回顾。
以爬楼梯那题思路来理解这一道题
动态规划五部曲:
-
确定dp数组(dp table)以及下标的含义
dp[i]的定义为:最多有i
个0和j
个1的strs的最大子集的大小为dp[i][j]
。 -
确定递推公式
dp[i][j] = max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1);
-
dp数组如何初始化
01背包的dp数组初始化为0就可以。 -
确定遍历顺序
先遍历物品,再遍历背包。(不可以换顺序!)for (string str : strs) { // 遍历物品 int oneNum = 0, zeroNum = 0; for (char c : str) { if (c == '0') zeroNum++; else oneNum++; } for (int i = m; i >= zeroNum; i--) { // 遍历背包容量且从后向前遍历! for (int j = n; j >= oneNum; j--) { dp[i][j] = max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1); } } }
-
举例推导dp数组:
以输入:["10","0001","111001","1","0"],m = 3,n = 3
为例
最后dp数组的状态如下所示:
dp数组状态变化如下:
本题代码:
class Solution {
public:
int findMaxForm(vector<string>& strs, int m, int n) {
vector<vector<int>> dp(m + 1, vector<int> (n + 1, 0)); // 默认初始化0
for (string str : strs) { // 遍历物品
int oneNum = 0, zeroNum = 0;
for (char c : str) {
if (c == '0') zeroNum++;
else oneNum++;
}
for (int i = m; i >= zeroNum; i--) { // 遍历背包容量且从后向前遍历!
for (int j = n; j >= oneNum; j--) {
dp[i][j] = max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1);
}
}
}
return dp[m][n];
}
};
- 时间复杂度:
O
(
k
m
n
)
O(kmn)
O(kmn),
k
为strs的长度 - 空间复杂度: O ( m n ) O(mn) O(mn)