纯01背包:装满背包最大价值
01背包在不同层面的应用:
分割等和子集:能不能装满背包
最右一块石头的重量:背包能装多少装多少
目标和:多少种方式把背包装满
1049. 最后一块石头的重量 II
想法:把石头尽可能地分成2堆,这2堆它的重量相似的话,相撞后所剩值为最小值。
例如:23分成12和11
本题物品的重量为stones[i],物品的价值也为stones[i]。
本题中,石头的重量是 stones[i],石头的价值也是 stones[i] ,可以 “最多可以装的价值为 dp[j]” == “最多可以背的重量为dp[j]”
1. 确定dp[i][j] 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]。
2. 确定递推公式
dp[j] = num(dp[j], dp[j - stones[i]] + stones[i]);
3. dp数组如何初始化
dp[0] = 0
vector<int> dp(1501, 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
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]);
}
}
5. 打印dp数组
class Solution {
public:
int lastStoneWeightII(vector<int>& stones) {
vector<int> dp(1501, 0);
int sum=0;
for (int i = 0; i < stones.size(); i++) {
sum+=stones[i];
}
int target = sum /2; // 向下取整 例子:5/2=2不等于3
dp[0] = 0;
// 尽量放满sum/2重量
for (int i=0; i<stones.size(); i++){ // 物品
for (int j=target; j>= stones[i];j--){ // 如果背包容量比遍历石头重量还小,遍历无意义
dp[j] = max(dp[j], dp[j-stones[i]]+stones[i]);
}
}
// 另一堆石头重量 sum - dp[target] 一定大于dp[target]
return sum - dp[target] - dp[target];
}
};
494. 目标和
把集合分成放加法(left)、放减法两个集合(right)
sum、target是确定的
left + right = sum (1)
left - right = target (2)
把(1)带入(2):
left- (sum - left) = target
left = (target + sum)/2 (正数的集合)
可以推出负数的集合 right = sum - left
如果 (target + sum)/2 不能整除,里面没组合凑不成target,例如:
7/2
正 | 负 | target=2 |
4 | 1 | 3 |
3 | 2 | 1 |
2 | 3 | -1 |
1 | 4 | -3 |
大家重点理解 递推公式:dp[j] += dp[j - nums[i]]
1. 确定dp[i][j] dp数组以及下标的含义
dp[i][j]:使用 下标为[0, i]的nums[i]能够凑满j(包括j)这么大容量的包,有dp[i][j]种方法。
2. 确定递推公式
在不考虑nums[i]的情况下,装满容量为j-nums[i]的背包,有dp[j-nums[i]]种方法。
那么只要找到nums[i],凑成dp[j]就有dp[j-nums[i]]种方法。
假设nums[i]=2,凑成dp[5]就有dp[3]种方法。
只要找到一个2,则有dp[3]中方法可以装满容量为3的背包,相应地就有dp[3]种方法可以装满容量为5的背包。
已有物品1 dp[4]种 凑成dp[5]
已有物品2 dp[3]种 凑成dp[5]
已有物品3 dp[2]种 凑成dp[5]
已有物品4 dp[1]种 凑成dp[5]
已有物品5 dp[0]种 凑成dp[5]
装满容量为5背包的所有方法:dp[4]+dp[3]+dp[2]+dp[1]+dp[0]
dp[j-nums[i]]进行累加最后就是我们的dp[j]
dp[j] += dp[j - nums[i]]
3. dp数组如何初始化
装满容量为0的背包有一种方法,就是装0件物品。
dp[0] = 1
其他非零下标对应的数组也应该初始化为0,保证dp[j]的初始值是0,才能正确地由dp[j-nums[i]]推导出来。
4. 确定遍历顺序
每个元素只能用一次,01背包
for (i = 0; i < nums.size(); i++) { // 物品
for (j = bagsize; j >= nums[i]; j--) { // 背包
}
}
5. 打印dp数组
输入:nums: [1, 1, 1, 1, 1], S: 3
bagSize = (S + sum) / 2 = (3 + 5) / 2 = 4
dp数组状态变化如下:
class Solution {
public:
int findTargetSumWays(vector<int>& nums, int target) {
int sum = accumulate(nums.begin(), nums.end(), 0); // 库函数求和
if (abs(target) > sum) return 0; //如果target过大 非负整数数组的sum将无法满足
if ((target+sum)%2 == 1) return 0;
int bagsize = (target + sum) / 2; // left是bagsize
vector<int> dp(bagsize+1, 0);
dp[0] = 1;
for (int i=0; i<nums.size(); i++){ // 物品
for (int j=bagsize; j>=nums[i]; j--){
dp[j] += dp[j-nums[i]];
}
}
return dp[bagsize];
}
};
474.一和零
重量有a和b两个维度
装满背包最多有多少物品、m、n 三个变量
1. 确定dp[i][j] dp数组以及下标的含义
二维数组 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]。
2. 确定递推公式
最终要求的结果:dp[m][n] 背包最大容量是装最多m个0,n个1
strs = ["10", "0001", "111001", "1", "0"], m = 5, n = 3 物品有x个0,y个1
(1)减物品重量:
背包重量(目前的i个0,j个1)减去 物品重量(物品里面的x个0,y个1)
dp[i-x][j-y]
(2)放物品:
加上物品价值
+1
遍历各个物品 背最大的物品
max()
dp[i][j] = max(dp[i-x][j-y]+1, dp[i][j])
3. dp数组如何初始化
dp[0][0]=0
因为物品价值不会是负数,初始为0,保证递推的时候dp[i][j]不会被初始值覆盖。
4. 确定遍历顺序
for (string str : strs) { // 遍历物品
int oneNum = 0, zeroNum = 0;
// 把有多少个0,多少个1取出来(物品总量)
for (char c : str) {
if (c == '0') zeroNum++;
else oneNum++;
}
// m, zeroNum代表0的个数
// 遍历背包容量且从后向前遍历!下面2个for循环可以颠倒
for (int i = m; i >= zeroNum; i--) { // 遍历0的个数 比物品的0的个数都小就无遍历意义
for (int j = n; j >= oneNum; j--) { // 遍历1的个数
dp[i][j] = max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1);
}
}
}
5. 打印dp数组
class Solution {
public:
int findMaxForm(vector<string>& strs, int m, int n) {
vector<vector<int>> dp(m+1, vector<int>(n+1, 0));
for (string str : strs) { // 遍历物品
// x、m:zeroNum y、n:oneNum
int x = 0, y = 0;
for (char c : str) {
if (c == '0') x++; // 统计字符串中0的个数
else y++; // 统计字符串中1的个数
}
for (int i = m; i >= x; i--) { // 遍历背包 遍历0的个数 比物品的0的个数都小就无遍历意义
for (int j = n; j >= y; j--){ // 遍历1的个数 比物品的1的个数都小就无遍历意义
dp[i][j] = max(dp[i][j], dp[i-x][j-y] + 1);
}
}
}
return dp[m][n];
}
};