算法-动态规划-背包问题-1049.最后一块石头的重量II-C++

本文链接：https://blog.csdn.net/weixin_43541510/article/details/129705494

文章目录

来源

力扣题目链接
 原创文章链接

问题

题目难度：中等

有一堆石头，每块石头的重量都是正整数。

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：

输入：[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。
提示：

1 <= stones.length <= 30
1 <= stones[i] <= 1000

思路

此问题同之前文章算法-动态规划-背包问题-416. 分割等和子集-C++类似。

问题分析：

计算数组元素总和sum
尽量让石头分成重量差不多的两堆，相撞之后剩下的石头最小，这样就化解成01背包问题了。
转化为背包问题，有两组一组背包容量为dp[j]，一组为sum-dp[j],最后剩余他们的差的绝对值。
之后将石头依次放入背包，石头的重量也就是物品的重量，也是物品的价值。

使用动规五部曲分析：

确定dp数组（dp table）以及下标的含义
确定递推公式
dp数组如何初始化
确定遍历顺序
举例推导dp数组

1. 确定dp数组（dp table）以及下标的含义

采取一维dp数组：
dp[j]代表j的大小的背包里面，能存放的最大的数是多少，所有的数仅存放一编。

2. 确定递推公式

两种状态：

不放物品i时： dp[j]=dp[j] (也就是之前数组的值不变)
放入物品i时： dp[j]=dp[j-num[i]]+num[i]

最后求取最大值

dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);

3. dp数组如何初始化

既然 dp[j]中的j表示容量，那么最大容量（重量）是多少呢，就是所有石头的重量和。

因为提示中给出1 <= stones.length <= 30，1 <= stones[i] <= 1000，所以最大重量就是30 * 1000 。

而我们要求的target其实只是最大重量的一半，所以dp数组开到15000大小就可以了。

当然也可以把石头遍历一遍，计算出石头总重量然后除2，得到dp数组的大小。

我这里就直接用15000了。

接下来就是如何初始化dp[j]呢，因为重量都不会是负数，所以dp[j]都初始化为0就可以了，这样在递归公式dp[j] = max(dp[j], dp[j - stones[i]] + stones[i]);中dp[j]才不会初始值所覆盖。

vector<int> dp(15001, 0);

4. 确定遍历顺序

如果使用一维dp数组，物品遍历的for循环放在外层，遍历背包的for循环放在内层，且内层for循环倒序遍历！

// 开始 01背包
for(int i = 0; i < nums.size(); i++) {
    for(int j = target; j >= nums[i]; j--) { // 每一个元素一定是不可重复放入，所以从大到小遍历
        dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);
    }
}

5. 举例推导dp数组

dp[j]的数值一定是小于等于j的。

举例，输入：[2,4,1,1]，此时target = (2 + 4 + 1 + 1)/2 = 4 ，dp数组状态图如下：

在这里插入图片描述

C++代码如下：

在计算target的时候，target = sum / 2 因为是向下取整，target<=sum-target，在装背包时，dp[j]<=target ,所以sum - dp[target] 一定是大于等于dp[target]的。

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];
    }
};