_37LeetCode代码随想录算法训练营第三十七天-动态规划背包问题 | 1049.最后一块石头的重量II、494.目标和、474.一和零-CSDN博客

本文链接：https://blog.csdn.net/weixin_44410704/article/details/128795375

_37LeetCode代码随想录算法训练营第三十七天-动态规划背包问题 | 1049.最后一块石头的重量II、494.目标和、474.一和零

题目列表

1049.最后一块石头的重量II
494.目标和
474.一和零

1049.最后一块石头的重量II

代码随想录地址：https://programmercarl.com/1049.%E6%9C%80%E5%90%8E%E4%B8%80%E5%9D%97%E7%9F%B3%E5%A4%B4%E7%9A%84%E9%87%8D%E9%87%8FII.html

题目

有一堆石头，用整数数组 stones 表示。其中 stones[i] 表示第 i 块石头的重量。

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 1：

输入：stones = [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。

示例 2：

输入：stones = [31,26,33,21,40]
输出：5

提示：

1 <= stones.length <= 30
1 <= stones[i] <= 100

思路

本题其实就是尽量让石头分成重量相同的两堆，相撞之后剩下的石头最小，这样就化解成01背包问题了。

动态规划五部曲：

确定dp数组以及下标的含义

dp[j]表示容量（这里说容量更形象，其实就是重量）为j的背包，最多可以背最大重量为dp[j]。

确定递推公式

01背包的递推公式为：dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);

本题则是：dp[j] = max(dp[j], dp[j - stones[i]] + stones[i]);

dp数组初始化

全部元素初始化为0。

遍历顺序

外层循环为石头数组(从左到右遍历)，内层循环为背包容量(从右到左遍历)。

举例推导dp数组

我的心算过程，不写嘿嘿

代码

时间复杂度：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)

/*
 * @lc app=leetcode.cn id=1049 lang=cpp
 *
 * [1049] 最后一块石头的重量 II
 */

// @lc code=start
class Solution {
public:
    int lastStoneWeightII(vector<int>& stones) {
        //计算所有石头的总重量
        int sum = 0;
        for(int data : stones)
            sum += data;
        //求得背包的最大重量
        int target = sum / 2;
        //定义和初始化dp数组
        vector<int> dp(target + 1, 0);
        //遍历
        for(int value : stones)
            for(int j = target; j >= value; j--)
                dp[j] = max(dp[j], dp[j - value] + value);
        return sum - dp[target] - dp[target];        
    }
};
// @lc code=end

494.目标和

代码随想录地址：https://programmercarl.com/0494.%E7%9B%AE%E6%A0%87%E5%92%8C.html

题目

给你一个整数数组 nums 和一个整数 target 。

向数组中的每个整数前添加 '+' 或 '-' ，然后串联起所有整数，可以构造一个 表达式 ：

例如，nums = [2, 1] ，可以在 2 之前添加 '+' ，在 1 之前添加 '-' ，然后串联起来得到表达式 "+2-1" 。

返回可以通过上述方法构造的、运算结果等于 target 的不同 表达式 的数目。

示例 1：

输入：nums = [1,1,1,1,1], target = 3
输出：5
解释：一共有 5 种方法让最终目标和为 3 。
-1 + 1 + 1 + 1 + 1 = 3
+1 - 1 + 1 + 1 + 1 = 3
+1 + 1 - 1 + 1 + 1 = 3
+1 + 1 + 1 - 1 + 1 = 3
+1 + 1 + 1 + 1 - 1 = 3

示例 2：

输入：nums = [1], target = 1
输出：1

提示：

1 <= nums.length <= 20
0 <= nums[i] <= 1000
0 <= sum(nums[i]) <= 1000
-1000 <= target <= 1000

回溯算法

思路

会超时。

本题要如何使表达式结果为target，

既然为target，那么就一定有 left组合 - right组合 = target。

left + right = sum，而sum是固定的。right = sum - left

公式来了， left - (sum - left) = target 推导出 left = (target + sum)/2 。

所以直接求组合之和为left的数目就行了。

代码

时间复杂度为： $2^{n-1}$ ,n表示nums数组的长度

class Solution {
private:
    vector<vector<int>> result;
    vector<int> path;
    void backtracking(vector<int>& candidates, int target, int sum, int startIndex) {
        if (sum == target) {
            result.push_back(path);
        }
        // 如果 sum + candidates[i] > target 就终止遍历
        for (int i = startIndex; i < candidates.size() && sum + candidates[i] <= target; i++) {
            sum += candidates[i];
            path.push_back(candidates[i]);
            backtracking(candidates, target, sum, i + 1);
            sum -= candidates[i];
            path.pop_back();

        }
    }
public:
    int findTargetSumWays(vector<int>& nums, int S) {
        int sum = 0;
        for (int i = 0; i < nums.size(); i++) sum += nums[i];
        if (S > sum) return 0; // 此时没有方案
        if ((S + sum) % 2) return 0; // 此时没有方案，两个int相加的时候要各位小心数值溢出的问题
        int bagSize = (S + sum) / 2; // 转变为组合总和问题，bagsize就是要求的和

        // 以下为回溯法代码
        result.clear();
        path.clear();
        sort(nums.begin(), nums.end()); // 需要排序
        backtracking(nums, bagSize, 0, 0);
        return result.size();
    }
};

动态规划

思路

本题要如何使表达式结果为target，

既然为target，那么就一定有 left组合 - right组合 = target。

left + right = sum，而sum是固定的。right = sum - left

公式来了， left - (sum - left) = target 推导出 left = (target + sum)/2 。

target是固定的，sum是固定的，left就可以求出来。

left就可以作为背包的容量，dp[left]表示组合和为left的所有可能情况的个数，也就表示了本题要求的运算结果等于 target 的不同 表达式 的数目。

动态规划五部曲：

确定dp数组以及下标的含义

dp[j] 表示：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

有哪些来源可以推出dp[j]呢？

只要搞到nums[i]），凑成dp[j]就有dp[j - nums[i]] 种方法。

例如：dp[j]，j 为5，

已经有一个1（nums[i]）的话，有 dp[4]种方法凑成容量为5的背包。
已经有一个2（nums[i]）的话，有 dp[3]种方法凑成容量为5的背包。
已经有一个3（nums[i]）的话，有 dp[2]中方法凑成容量为5的背包
已经有一个4（nums[i]）的话，有 dp[1]中方法凑成容量为5的背包
已经有一个5 （nums[i]）的话，有 dp[0]中方法凑成容量为5的背包

那么凑整dp[5]有多少方法呢，也就是把所有的 dp[j - nums[i]] 累加起来。

所以求组合类问题的公式，都是类似这种：

dp[j] += dp[j - nums[i]]

这个公式在后面在讲解背包解决排列组合问题的时候还会用到！

dp数组如何初始化

从递推公式可以看出，在初始化的时候dp[0] 一定要初始化为1，因为dp[0]是在公式中一切递推结果的起源，如果dp[0]是0的话，递推结果将都是0。

如果数组[0] ，target = 0，那么 bagSize = (target + sum) / 2 = 0。 dp[0]应该是1，也就是说给数组里的元素 0 前面无论放加法还是减法，都是 1 种方法。

确定遍历顺序

在动态规划：关于01背包问题，你该了解这些！（滚动数组） (opens new window)中，对于01背包问题一维dp的遍历，nums放在外循环，target在内循环，且内循环倒序。

举例推导dp数组

我心算了。

代码

时间复杂度：O(n × m)，n为正数个数，m为背包容量
空间复杂度：O(m)，m为背包容量

/*
 * @lc app=leetcode.cn id=494 lang=cpp
 *
 * [494] 目标和
 */

// @lc code=start
class Solution {
public:
    int findTargetSumWays(vector<int>& nums, int target) {
        //计算nums数组的元素和
        int sum = 0;
        for(int data : nums)
            sum += data;
        //如果target的模大于sum，则不可能凑成target
        if(abs(target) > sum)
            return 0;
        //如果求出left非整数，那么也不可能凑成target
        if((sum + target) % 2 == 1)
            return 0;
        int left = (sum + target) / 2;//求得left的值
        //背包的最大容量为left
        //定义dp数组，dp[i]表示组合和为i的不太组合个数为dp[i]
        vector<int> dp(left + 1, 0);
        //初始化dp数组，当nums = [0]时，dp[0] = 1
        dp[0] = 1;
        //遍历
        for(int data : nums)
            for(int j = left; j >= data; j--)
                dp[j] += dp[j - data];
        return dp[left];
    }
};
// @lc code=end

474.一和零

代码随想录地址：https://programmercarl.com/0474.%E4%B8%80%E5%92%8C%E9%9B%B6.html

题目

给你一个二进制字符串数组 strs 和两个整数 m 和 n 。

请你找出并返回 strs 的最大子集的长度，该子集中最多有 m 个 0 和 n 个 1 。

如果 x 的所有元素也是 y 的元素，集合 x 是集合 y 的子集。

示例 1：

输入：strs = ["10", "0001", "111001", "1", "0"], m = 5, n = 3
输出：4
解释：最多有 5 个 0 和 3 个 1 的最大子集是 {"10","0001","1","0"} ，因此答案是 4 。
其他满足题意但较小的子集包括 {"0001","1"} 和 {"10","1","0"} 。{"111001"} 不满足题意，因为它含 4 个 1 ，大于 n 的值 3 。

示例 2：

输入：strs = ["10", "0", "1"], m = 1, n = 1
输出：2
解释：最大的子集是 {"0", "1"} ，所以答案是 2 。

提示：

1 <= strs.length <= 600
1 <= strs[i].length <= 100
strs[i] 仅由 '0' 和 '1' 组成
1 <= m, n <= 100

思路

本题是01背包，m和n相当于时两个背包，也就是两个维度的背包。

本题不是多重背包，因为多重背包讲的是一种物品可以放多个，和本题不是一个意思。

动态规划五部曲：

确定dp数组（dp table）以及下标的含义

dp[i] [j]：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] 可以由前一个strs里的字符串推导出来，strs里的字符串有zeroNum个0，oneNum个1。

dp[i][j] 就可以是 dp[i - zeroNum][j - oneNum] + 1。

然后我们在遍历的过程中，取dp[i][j]的最大值。

所以递推公式：dp[i][j] = max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1);

dp数组如何初始化

首先是dp[0] [0]初始化为0，其他项也初始化为0，为了保证递推的时候dp[i] [j]的值不会被初值覆盖。

遍历顺序

外层循环是物品，其遍历顺序是从左到右；内层循环是背包，其遍历顺序是从右到左。

举例推导dp数组

心算了嘻嘻。

代码

/*
 * @lc app=leetcode.cn id=474 lang=cpp
 *
 * [474] 一和零
 */

// @lc code=start
class Solution {
public:
    int findMaxForm(vector<string>& strs, int m, int n) {
        //定义和初始化dp数组
        vector<vector<int>> dp(m + 1, vector<int>(n + 1, 0));
        //遍历字符串数组
        for(string str : strs)
        {
            //统计当前str的0和1的数量
            int oneNum = 0;
            int zerosNum = 0;
            for(char ch : str)
                if(ch == '1')
                    oneNum++;
                else
                    zerosNum++;
            //遍历背包
            for(int i = m; i >= zerosNum; i--)
                for(int j = n; j >= oneNum; j--)
                    dp[i][j] = max(dp[i][j], dp[i - zerosNum][j - oneNum] + 1);
        }
        return dp[m][n];
    }
};
// @lc code=end