【Day46】代码随想录值动态规划part8—单词拆分、多重背包理论、背包问题总结

昨天因为一些公司对接的事务，没有刷题，今天开始去补两天的刷题的量，下午一次，晚上一次。这周要把代码随想录过一遍（周日结束时一定要把代码随想录全部刷完），上午、下午和晚上都要各刷一次，要增大强度了。

今日任务：

• 139. 单词拆分
• 关于多重背包，你应该了解这些！
• 背包问题总结篇

题目一：139.单词拆分（转化有点难）

Leetcode题目：【139.单词拆分】

这个问题可以转化成字典里的单词能不能装满背包，又因为物品是可以重复使用的，因此是完全背包问题。
按照动规五部曲：
（1）定义dp[i]的含义：字符串长度是i，如果字符串可以被单词组成，则dp[i] = true；最终的结果应该判断dp[s.size()]；
（2）递推公式：当dp[j] = true，并且j-i直接也是字典中的字符串，那dp[i] = true;

（3）初始化：dp[0] = true；其他默认情况都是flase；
（4）遍历顺序：
因为是完全背包，所以都是正序。因为此处都是排列，因此，先遍历背包后遍历物品。
（5）打印dp数组；

这部分比较难：

class Solution {
public:
    bool wordBreak(string s, vector<string>& wordDict) {
        unordered_set<string> wordSet(wordDict.begin(), wordDict.end());
        vector<bool> dp(s.size()+1, false);
        dp[0] = true;
        for(int i = 1; i<=s.size(); i++){
            for(int j = 0; j<i; j++){
                string word = s.substr(j, i-j);
                if(wordSet.find(word) != wordSet.end() && dp[j] == true){
                    dp[i] = true;
                }
            }
        }
        return dp[s.size()];
    }
};

题目二：多重背包总结（暂且放掉）

参考：【代码随想录之多重背包问题】

多种背包跟01背包其实就是物品是否可以重复用的区别，然后多重背包还要组合与排列的问题，对应的就是遍历顺序的问题。

多重背包在面试中基本不会出现，力扣上也没有对应的题目，大家对多重背包的掌握程度知道它是一种01背包，并能在01背包的基础上写出对应代码就可以了。

题目三：背包问题总结

背包问题是动态规划里面非常重要的一部分。常见的背包如下所示，主要以01背包和完全背包为主。

其次记住动规五部曲：
1、确定dp数组以及下标的含义；
2、确定递推公式；
3、dp数组如何初始化；
4、确定遍历顺序；
5、举例推导dp数组。

3.1 背包问题的递推公式：

1、问是否能装满背包（或者最多装多少）：dp[j] = max(dp[j], dp[j-nums[i]] + nums[i])

2、问装满背包有几种方法：dp[j] += dp[j-nums[i]]；

3、问背包装满最大价值：dp[j] = max(dp[j]， dp[j-weight[i]] + value[i]);

4、问装满背包所有物品的最小个数：dp[j] = min(dp[j-coins[i]] + 1, dp[j])；

3.2 遍历顺序：

3.2.1 01背包

对于二维数组，先遍历背包或者物品，两者没有差别；
对于一维数组，先遍历物品再遍历背包，且第二层循环要从大到小；

3.2.2 完全背包：

如果求组合数就是：外层for循环遍历物品，内层for循环遍历背包；
如果求排列数就是：外层for循环遍历背包，内层for循环遍历物品；
而且第二层循环是从小到大的。

3.3 总结：

背包问题最重要的就是递推公式和遍历顺序。