1、题目描述:
2、题解:
动态规划:
1、状态定义;
2、状态转移方程;
3、初始化;
4、输出;
5、思考状态压缩。
可以用递归去求,但是会存在重叠子问题,加个备忘录可以解决重复问题。
把总共的 0 和 1 的个数视为背包的容量,每一个字符串视为装进背包的物品。这道题就可以使用 0-1 背包问题的
状态定义:
dp[i][j][k] 表示输入字符串在子区间 [0, i] 能够使用 j 个 0 和 k 个 1 的字符串的最大数量。
状态转移方程:
dp[i][j][k]=dp[i−1][j−当前字符串使用0的个数][k−当前字符串使用1的个数]+1,选择当前的字符串
初始化:
为了避免分类讨论,通常多设置一行。这里可以认为,第 0 个字符串是空串。第 0 行默认初始化为 0。
Python语音代码如下:
class Solution:
def findMaxForm(self, strs: List[str], m: int, n: int) -> int:
#动态规划,01背包
def CountZeroAndOne(s):
cnt = [0] * 2
for c in s:
if c == '0':
cnt[0] += 1
elif c == '1':
cnt[1] += 1
return cnt
len_ = len(strs)
dp = [[[0] * (n + 1) for _ in range(m + 1)] for _ in range(len_ + 1)]
for i in range(1,len_ + 1):
cnt = CountZeroAndOne(strs[i-1])
for j in range(m + 1):
for k in range(n + 1):
dp[i][j][k] = dp[i - 1][j][k]
zeros,ones = cnt[0],cnt[1]
if j >= zeros and k >= ones:
dp[i][j][k] = max(dp[i-1][j][k],dp[i-1][j-zeros][k-ones] + 1)
return dp[len_][m][n]
当然由于python语音自身的特点,可以调用一些方法来完成:
class Solution:
def findMaxForm(self, strs: List[str], m: int, n: int) -> int:
#动态规划,01背包
len_ = len(strs)
dp = [[[0] * (n + 1) for _ in range(m + 1)] for _ in range(len_ + 1)]
for i in range(1,len_ + 1):
zeros = strs[i - 1].count('0')
ones = strs[i - 1].count('1')
for j in range(m + 1):
for k in range(n + 1):
dp[i][j][k] = dp[i - 1][j][k]
if j >= zeros and k >= ones:
dp[i][j][k] = max(dp[i-1][j][k],dp[i-1][j-zeros][k-ones] + 1)
return dp[len_][m][n]
状态压缩:
要用一个技巧,内循环倒着进行操作:
class Solution:
def findMaxForm(self, strs: List[str], m: int, n: int) -> int:
#动态规划,01背包,空间优化
def CountZeroAndOne(s):
cnt = [0] * 2
for c in s:
if c == '0':
cnt[0] += 1
elif c == '1':
cnt[1] += 1
return cnt
len_ = len(strs)
if len_ == 0:
return 0
dp = [[0] * (n + 1) for _ in range(m + 1)]
for st in strs:
cnt = CountZeroAndOne(strs[i-1])
for j in range(m,-1,-1):
for k in range(n,-1,-1):
zeros,ones = cnt[0],cnt[1]
if j >= zeros and k >= ones:
dp[j][k] = max(dp[j][k],dp[j-zeros][k-ones] + 1)
return dp[-1][-1]
同样也可以写成下面这样:
class Solution:
def findMaxForm(self, strs: List[str], m: int, n: int) -> int:
#动态规划,01背包,空间优化
len_ = len(strs)
if len_ == 0:
return 0
dp = [[0] * (n + 1) for _ in range(m + 1)]
for st in strs:
zeros,ones = st.count('0'),st.count('1')
for j in range(m,-1,-1):
for k in range(n,-1,-1):
if j >= zeros and k >= ones:
dp[j][k] = max(dp[j][k],dp[j-zeros][k-ones] + 1)
return dp[-1][-1]