注意点:
1.主要要理解,将数组分为两部分,然后让这两个数组进行碰撞,这样才能得到最小的重量,两个数组的分界标准就是数组总和的一半
2.数组如何取到最大值是根据01背包一维解决问题的方法处理的
class Solution {
public:
int lastStoneWeightII(vector<int>& stones) {
// 求和算出中间值
int sum = 0;
for(int i = 0; i< stones.size(); i++) {
sum += stones[i];
}
int target = sum/2;
//1.dp[j]的含义:当背包容量为j时,所能装的最大质量是dp[j]
//3.dp数组全都初始化为0
vector<int> dp(1501,0);
//4.确定遍历顺序
for(int i = 0; i<stones.size(); i++) {
for(int j = target; j >= stones[i]; j--) {
//2.一维01递推公式
dp[j] = max(dp[j], dp[j-stones[i]]+stones[i]);
}
}
// sum-dp[target]是剩余其他数的总和,再和dp[target]相减便得到最后结果
return sum-dp[target]-dp[target];
}
};
注意点:
1.注意递推公式中的含义:
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
所以:dp[j] += dp[j-nums[i]];另外卡哥打印出来的没问题,就是先打印的是dp[4],最后打印的dp[1]
2.关于dp[0]=1;的问题,主要就是因为当target=0时候,left = (sum+target)/2=0;所以正数为0只有一种方法
3.关于if((sum+target) % 2 != 0) return 0;主要就是因为:left(数字前面是“+”的和) right(数字前面是“-”相加之和)
left - right = target;
left + right = sum;
left - (sum - left) = target;
2 *left = sum + target;
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(sum < abs(target)) return 0;
if((sum+target) % 2 != 0) return 0;
// left表示的就是相加的和
int left = (sum+target)/2;
// 1.dp[j]的含义就是当背包容量为j的时候的表达式数目为dp[j]
vector<int> dp(left+1, 0);
//3.根据nums = [0], target = 0,进行分析初始化
dp[0] = 1;
// 4.确定遍历顺序
for(int i = 0; i < nums.size(); i++) {
for(int j = left; j>=nums[i]; j--) {
// 2.递推公式
dp[j] += dp[j-nums[i]];
// cout << dp[j] << ' ';
}
// cout << endl;
}
return dp[left];
}
};
注意点:
1.本题和基础的01背包二维解法有些不同,本题中 dp[i][j]的含义就是,i个1,j个0的最多子集是dp[i][j],基础的01背包二维解法,dp[i][j] 表示从下标为[0-i]的物品里任意取,放进容量为j的背包,价值总和最大是多少,所以导致遍历循环中i和j初始值不一样
class Solution {
public:
int findMaxForm(vector<string>& strs, int m, int n) {
// 1.dp[i][j]的含义就是,i个1,j个0的最多子集是dp[i][j]
//3.dp[0][0]初始化是默认0
vector<vector<int>> dp(n+1, vector<int>(m+1, 0));
// 对容器中的string进行遍历
for(string s : strs) {
int oneNum = 0;
int zeroNum = 0;
// 对string中的每一个字符进行遍历
for(char c : s) {
if(c == '1') oneNum++;
else zeroNum++;
}
// 进行后序列遍历,现将背包容量赋值为1和0的数目,跟基础的01背包二维解法有些不同
for(int i = n; i >= oneNum; i--) {
for(int j = m; j >= zeroNum; j--) {
//2. 递推公式dp[i][j]表示不加当前的string s,dp[i-oneNum][j-zeroNum]+1表示加上当前的string s,所以需要加1
dp[i][j] = max(dp[i][j], dp[i-oneNum][j-zeroNum]+1);
}
}
}
return dp[n][m];
}
};