路径:递归路径
选择列表:nums
结束条件:k == 4
思路一:n
个数字,每个数字都要选择进入到k
个桶中的某一个
bool canPartitionKSubsets(vector<int>& nums, int k){
if(k > nums.size())
return false;
vector<int> bucket(k, 0);
int sum = 0;
for(auto v : nums)
sum += v;
if(sum % k != 0) return false;
int target = sum / k;
//穷举,看看nums是否能划分为k个和为target的子集
backtracking(nums, 0, bucket, target);
}
void backtracing(vector<int> &nums, int index, vector<int> bucket, int target){
if(index == nums.size()){
//检查所有桶的数字之和是否都为target
for(int i = 0; i < bucket.size(); i++)
if(bucket[i] != target)
return fasel;
return true;
}
//穷举nums[index]可能装入的桶
for(int i = 0; i < backet.size(); i++){
if(bucket[i] + nums[index] > target)
continue;
bucket[i] += nums[index];
backtracking(nums, bucket, index + 1, target);
bucket[i] -= nums[index];
}
//nums[index]装到哪个桶都不行
return false;
}
思路二:以桶为视角进行穷举。每个桶需要遍历nums中的n个数字,决定是否应该将该数字放入桶中。当装满一个桶后,还要装下一个桶,直到所有桶都装满为止。
bool canPartitionKSubsets(vector<int> nums, int k){
//排除一些基本情况
if(k > nums.size()) return false;
int sum = 0;
for(int v : nums) sum += v;
if(sum % k != 0) return false;
vector<bool> used(nums.size(), false);
int target = sum / k;
//k号桶初试什么都没有装,从nums[0]开始选择
return backtrack(k, 0, nums, 0, used);
}
这个backtrack
函数的参数可以这样解释:
现在k
号桶正在思考是否应该把nums[start]
这个元素装进来;目前k
号桶里面已经装的数字之和为bucket
;used
标志某一个元素是否已经被装到桶中;target
是每个桶需要达成的目标和
从桶的视角:
- 需要遍历
nums
中的所有数字,决定哪些数字需要装到当前桶中。- 如果当前桶装满了,则让下一个桶进行第1步。
bool backtrack(int k, int bucket, vector<int> nums, int start, vector<bool> used, int target){
if(k == 0){
return true;
}
if(bucket == target){
, return backtrack(k-1, 0, nums, 0, used, target);
}
for(int i = start; i < nums.size(); i++){
if(used[i])
continue;
if(nums[i] + bucket > target)
continue;
used[i] = true;
bucket += nums[i];
if(backtrack(k, bucket, nums, i+1, used, target))
return true;
used[i] = false;
bucket -= nums[i];
}
return false;
}
转化为0-1背包问题,即集合里面的是否存在总和为sum/2的元素刚好可以把容量为sum/2的背包装满。 每个元素相当于其重量为num[i], 价值为num[i],背包容量为sum / 2;
二维:
class Solution {
public:
bool canPartition(vector<int>& nums) {
//num里面的物品能否装满容量为sum/2的背包
int sum = 0;
for(int &v : nums) sum += v;
if(sum % 2 != 0) return false;
//物品重量为num[i],物品价值也为num[i]
vector<vector<int> > dp(nums.size(), vector<int>(sum / 2 + 1, 0));
//初始化物品0
for(int j = nums[0]; j <= sum/2; j++) dp[0][j] = nums[0];
//dp[i][j]表示0-i里面的物品能否装满容量为j的背包
//先遍历物品再遍历背包
for(int i = 1; i < nums.size(); i++){
for(int j = 0; j <= sum/2; j++){
if(nums[i] > j) dp[i][j] = dp[i-1][j];
else dp[i][j] = max(dp[i-1][j], dp[i-1][j - nums[i]] + nums[i]);
}
}
if(dp[nums.size() - 1][sum / 2] == sum / 2) return true;
return false;
}
};
一维:
class Solution {
public:
bool canPartition(vector<int>& nums) {
//num里面的物品能否装满容量为sum/2的背包
int sum = 0;
for(int &v : nums) sum += v;
if(sum % 2 != 0) return false;
//物品重量为num[i],物品价值也为num[i]
vector<int> dp(sum / 2 + 1, 0);
//初始化物品0
//for(int j = nums[0]; j <= sum/2; j++) dp[0][j] = nums[0];
//dp[i][j]表示0-i里面的物品能否装满容量为j的背包
//先遍历物品再遍历背包
for(int i = 1; i < nums.size(); i++){
for(int j = sum/2; j >= nums[i]; j--){
if(nums[i] > j) dp[j] = dp[j];
else dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);
}
}
if(dp[sum / 2] == sum / 2) return true;
return false;
}
};
class Solution {
public:
bool canPartition(vector<int>& nums) {
int sum = 0;
for(auto v : nums) sum += v;
if(sum % 2 != 0) return false;
sum = sum / 2;
vector<int> dp(sum + 1);
dp[0] = 0;
for(int i = 1; i < nums.size(); i++){
for(int j = sum; j >= nums[i]; j--){
dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);
if(dp[j] == sum) return true;
}
}
return false;
}
};
思路:此题相当于要把石头分为尽量相等的两堆,最后一块石头的重量就是这两堆的差值。故于上题的分割等和子集思路一致。
- dp[i]表示重量为i的背包能背的最大重量的石头
- 递推公式:dp[j] = max(dp[j], dp[j-stones[i]] + stones[i])
- dp数组初始化。都初始化为0就行了,这样在递推公式里面dp[j]才不会被初始值所覆盖。因为0已经是重量了里面最小的了,重量不可能为负值
class Solution {
public:
int lastStoneWeightII(vector<int>& stones) {
//尽量将石头分为相同的两堆
//dp[i]表示重量为i的背包最多能背的石头重量
int sum = 0;
for(int &v : stones) sum += v;
int target = sum / 2;
vector<int> dp(target+1, 0);
//先遍历物品 再遍历背包
for(int i = 0; i < stones.size(); i++){
for(int j = target; j >=stones[i]; j--){
dp[j] = max(dp[j], dp[j-stones[i]] + stones[i]);
}
}
int res = (sum - dp[target]) - dp[target];
return res;
}
};
思路:题目换种意思就是说将target分成两堆,一堆减去另外一堆等于target有几种组合方法。
有left - right = target, 又left+right = sum
固有left = (sum + target) / 2。
由等式可知限制条件有(sum + target)需为偶数,且abs(target) < sum;
题目则变为装满容量为left的背包,有多少种装法,变成了一种组合问题(故也可以使用回溯法)
为什么这题可以使用01背包呢,因为nums里面的数只能取或者不取,且只能取一次。
- dp[j]表示装满容量为j的背包,有dp[j]种方法
- 确定递推公式:dp[i]可以由dp[j - nums[i]]推导而来:填满j - nums[i]的背包有dp[j - nums[i]]种方法,则只要弄到nums[i]的话,装满重量为j的背包就有dp[i] + dp[j - nums[i]]种办法
- 初始化:由递推公式可知,应该从前往后遍历,故dp[0] = 1而不是dp[0] = 0,即装满容量为0的背包,有1种方法,即什么都不装
class Solution {
public:
int findTargetSumWays(vector<int>& nums, int target) {
//left组合 - right组合 = target
//left + right = sum
//left - (sum - left) = target
//left = (target + sum)/2
//问题变为在nums中找到目标和为left的集合
int sum = 0;
for(int &v : nums) sum += v;
//因为left必定是整数,因为nums数组全是正整数
if((target + sum) % 2 == 1) return 0;
if(abs(target) > sum) return 0;
int left = (target + sum)/2;
vector<int> dp(left + 1, 0);
dp[0] = 1;
//dp[j]装满容量为j的背包有多少种方法
for(int i = 0; i < nums.size(); i++){
for(int j = left; j >= nums[i]; j--){
dp[j] += dp[j - nums[i]];
}
}
return dp[left];
}
};