碎碎念:加油
参考:代码随想录
1049. 最后一块石头的重量 II
题目链接
思想
本题要将石头尽可能分成重量相同的两堆,本题很像416. 分割等和子集,可以一起对比着学习。
如果石头总重为23,那么可以将这个问题转换为用石头装总重为11的背包的01背包问题,石头的价值和重量都是stones[i]。
动态规划五部曲:
- 确定dp数组以及下标的含义:dp[j],容量为j的背包所背的最大重量。
- 确定递推公式:dp[j] = max(dp[j], dp[j-stones[i]] + stones[i])。
- dp数组的初始化:dp[0]=0,递推公式里是取最大值,所以初始化应该初始化为非负数的最小值,所以可以把dp数组全部初始化为0。
- 确定遍历顺序:两层for循环,第一层for循环遍历物品,第二层for循环遍历背包。遍历背包的时候倒序遍历。倒序遍历是为了保证每一个物品的值只被添加一次。
- 打印dp数组:主要用来debug。
题解
// cpp
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++) {
for (int j = target; j >= stones[i]; j--) {
dp[j] = max(dp[j], dp[j-stones[i]]+stones[i]);
}
}
return sum - dp[target] - dp[target];
}
};
# python
class Solution:
def lastStoneWeightII(self, stones: List[int]) -> int:
dp = [0] * 15001
_sum = sum(stones)
target = _sum // 2
for i in range(len(stones)):
for j in range(target, stones[i] - 1, -1): # 注意是左闭右开的,倒着遍历的
dp[j] = max(dp[j], dp[j - stones[i]] + stones[i])
return _sum - dp[target] - dp[target]
反思
关于dp数组定义多大:最多30个石头,每个石头最大重量为100,那么所有石头重量最大为3000,所以我们定义dp数组大小为1501就够了。
因为target是向下取整的,所以sum-dp[target]一定大于dp[target],所以返回结果的时候返回sum - dp[target] - dp[target]。
494. 目标和
题目链接
思想
分出两个集合,加法一个集合left,减法一个集合right。那么left+right=sum,left-right=target。得到left=(target+sum)/2。
我们找集合里能组出多少个和为left的组合即可。
进一步可以转换为01背包问题,背包的容量为left,问我们有多少种方式把这个背包装满。
动态规划五部曲:
- 确定dp数组以及下标的含义:dp[j],装满容量为j的背包有dp[j]种方法。
- 确定递推公式:dp[j] += dp[j-nums[i]]。
- dp数组的初始化:带入本题场景,dp[0]=1。
- 确定遍历顺序:两层for循环,第一层for循环遍历物品,第二层for循环遍历背包。遍历背包的时候倒序遍历。倒序遍历是为了保证每一个物品的值只被添加一次。
- 打印dp数组:主要用来debug。
题解
// cpp
class Solution {
public:
int findTargetSumWays(vector<int>& nums, int target) {
int sum = 0;
for (int i = 0; i < nums.size(); i++) sum += nums[i];
if (abs(target) > sum) return 0;
if ((target + sum) % 2 == 1) return 0;
// 这里的bagsize是之前提到的left
int bagsize = (sum + target) / 2;
vector<int> dp(bagsize + 1, 0);
dp[0] = 1;
for (int i = 0; i < nums.size(); i++){
for (int j = bagsize; j >= nums[i]; j--) {
dp[j] += dp[j - nums[i]];
}
}
return dp[bagsize];
}
};
# python
class Solution:
def findTargetSumWays(self, nums: List[int], target: int) -> int:
_sum = sum(nums)
if abs(target) > _sum:
return 0
if (_sum + target) % 2 == 1:
return 0
bagsize = (_sum + target) // 2
dp = [0] * (bagsize + 1)
dp[0] = 1
for num in nums:
for j in range(bagsize, num - 1, -1):
dp[j] += dp[j - num]
return dp[bagsize]
反思
注意如何将本题转换为动态规划问题。
474.一和零
题目链接
思想
容器有两个维度0和1,所以应该定义二维的dp数组。物品的重量是x个0,y个1,背包的容量是m个0,n个1。
动态规划五部曲:
- 确定dp数组以及下标的含义:dp[i][j],装满i个0和j个1最多装了dp[i][j]个物品。
- 确定递推公式:dp[i][j] = max(dp[i][j], dp[i-x][j-y] + 1)。
- dp数组的初始化:dp[0][0]=0,整个dp数组都初始化为0。
- 确定遍历顺序:遍历strs,统计每个字符串中1和0的个数。遍历背包容量,注意要倒着遍历,背包容量有两个维度,所以实际上是两个for循环。
- 打印dp数组:主要用来debug。
题解
// cpp
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) {
int oneNum = 0, zeroNum = 0;
for (char c : str) {
if (c == '0') zeroNum++;
else oneNum++;
}
for (int i = m; i >= zeroNum; i--) {
for (int j = n; j >= oneNum; j--) {
dp[i][j] = max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1);
}
}
}
return dp[m][n];
}
};
# python
class Solution:
def findMaxForm(self, strs: List[str], m: int, n: int) -> int:
dp = [[0] * (n + 1) for _ in range (m + 1)]
for s in strs:
ones = s.count('1')
zeros = s.count('0')
for i in range(m, zeros - 1, -1):
for j in range(n, ones - 1, -1):
dp[i][j] = max(dp[i][j], dp[i - zeros][j - ones] + 1)
return dp[m][n]
反思
01背包解决的问题:
- 经典01背包——装满容量时最大价值时多少
- 分割等和子集——能不能装满这个背包
- 最后一块石头重量——给定一个背包的容量,最多能装多少重量
- 目标和——装满这个背包,一共有多少种方法
- 一和零——装满这个背包,最多有多少个物品