代码随想录算法训练营day36 | 1049. 最后一块石头的重量 II、494. 目标和、474.一和零【不熟悉】

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

1049. 最后一块石头的重量 II

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：

1. 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。
2. 确定递推公式：dp[j] = max(dp[j], dp[j-stones[i]] + stones[i])。
3. 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。
4. 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。
5. 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

494. 目标和

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：

1. 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。
2. 确定递推公式：dp[j] += dp[j-nums[i]]。
3. dp数组的初始化：带入本题场景，dp[0]=1。
4. 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。
5. 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

474.一和零

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：

1. 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。
2. 确定递推公式：dp[i][j] = max(dp[i][j], dp[i-x][j-y] + 1)。
3. dp数组的初始化：dp[0][0]=0，整个dp数组都初始化为0。
4. 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。
5. 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：

1. 经典01背包——装满容量时最大价值时多少
2. 分割等和子集——能不能装满这个背包
3. 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
4. 目标和——装满这个背包，一共有多少种方法
5. 一和零——装满这个背包，最多有多少个物品