动态规划——背包问题
1049. 最后一块石头的重量 II
题目描述
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。
思路
转换为:容量为 sum/2 的背包,最大价值
则所求为 sum - 2*half
1.dp数组及含义
half = sum/2
dp[n][half] 前n个物品,背包容量为sum,最大价值为dp[n][sum]
对本题,第 i 个物品的重量= 价值 =nums[i - 1]
2.dp递推公式
情形一:背包容量不足,物品无法装入背包 if (nums[i-1] > j) dp[i][j]=dp[i-1][j]
情形二:背包容量足够,物品可选择是否装入背包dp[i][j]=max(dp[i-1][j],dp[i-1][j-nums[i-1]]+nums[i-1])
3.dp初始化
最大容量为0的背包,最大价值都为0,dp[i][0] = 0
4.遍历方向
第一层:物品遍历 i=1; i <= n; i++
第二层:重量遍历,石头重量大于0,j=1; j <= half; j++
5.举例
代码
// dp[n][w]:n个物品放入可容纳重量大小为w的背包,最大价值
// 本题:重量 = 价值
// 遍历物品,遍历重量
class Solution {
public:
int lastStoneWeightII(vector<int>& stones) {
int n = stones.size();
int sum = 0;
for (int stone:stones)
{
sum += stone;
}
int half = sum/2;
vector<vector<int>> dp(n + 1,vector<int>(half + 1));
for (int i = 0; i <= n; i++)
{
dp[i][0] = 0;
}
for (int i = 1; i <= n; i++)
{
for (int j = 1; j <= half; j++)
{
int curGood = stones[i - 1];
if (j < curGood)
{
dp[i][j] = dp[i - 1][j];
}
else{
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j- curGood] + curGood);
}
}
}
return sum - 2 * dp[n][half];
}
};
494. 目标和
题目描述
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。
思路
转换为:nums划分为两个子集A、B,使:
1.sumA+sumB=sum;
2.sumA-sumB=target;
得sumA=(sum+target)/2
问题转换为在nums中有几种方法得到和为 sumA 的子集,子集划分问题
注意:给定条件指明 nums[i] >= 0,不再是之前放置物品重量大于0
1.dp数组及含义
dp[i][j]:nums中前i个元素得到和为j的子集有dp[i][j]种划分方法
2.dp递推公式
情形一:背包容量不足,dp[i][j] = dp[i-1][j]
情形二:背包容量足够,dp[i][j]=dp[i-1][j] + dp[i-1][j-nums[i-1]]
3.dp初始化
不放入物品,背包容量为0的方法有一种,背包容量为其他的方法有0种
dp[0][0]=1
dp[0][j]=0
4.遍历方向
第一层:元素 i = 1; i <= n; i++
第二层:子集和 j=0; j <= sum; j++
5.举例
代码
// 即划分为子集A/B,使1.sumA+sumB=sum;2.sumA-sumB=target;得sumA=(sum+target)/2
// 问题转换为在nums中有几种方法得到和为 sumA 的子集,子集划分问题
// 注意:物品重量 nums[i] >= 0,不再是之前放置物品重量大于0
class Solution {
private:
int subsets(vector<int>& nums, int sum)
{
int n = nums.size();
vector<vector<int>> dp(n + 1,vector<int>(sum + 1));
dp[0][0] = 1;
for (int j = 1; j <= sum; j++)
{
dp[0][j] = 0;
}
for (int i = 1; i <= n; i++)
{
for (int j = 0; j <= sum; j++)
{
int cur = nums[i - 1];
if (cur > j)
{
dp[i][j] = dp[i - 1][j];
}
else
{
dp[i][j] = dp[i - 1][j] + dp[i - 1][j - cur];
}
}
}
return dp[n][sum];
}
public:
int findTargetSumWays(vector<int>& nums, int target) {
int sum = 0;
for (int num: nums)
{
sum += num;
}
if (sum < abs(target) || (sum + target) % 2 == 1)
return 0;
return subsets(nums, (sum + target) /2);
}
};
474. 一和零
题目描述
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 。
思路
1.dp数组及含义
dp[i][j][k]:从strs中前i个元素选择,最多有m个0,n个1的子集的最大长度
目标:dp[strs.size()][m][n]
2.dp递推公式
第一层遍历strs元素,计算0、1个数,
1.若超出要求m、n,即超出背包容量,则同放前i-1个情形
2.若背包容量足够,则选择前i-1个、前i个放入m-zeros个0、n-ones个1的长度加一
3.dp初始化
全0
4.遍历方向
第一层:strs元素遍历
第二次:0数目遍历
第三层:1数目遍历
5.举例
代码
// dp[i][j][k]:从strs中前i个元素选择,最多有m个0,n个1的子集的最大长度
// dp[strs.size()][m][n]
// 第一层遍历strs元素,计算0、1个数,若超出要求m、n,即超出背包容量,则同放前i-1个情形
// 若背包容量足够,则选择前i-1个、前i个放入m-zeros个0、n-ones个1的长度加一
class Solution {
public:
int findMaxForm(vector<string>& strs, int m, int n) {
int len = strs.size();
vector<vector<vector<int>>> dp(len + 1, vector<vector<int>>(m + 1,vector<int>(n+1)));
for (int i = 1; i <= len; i++)
{
int ones = 0;
int zeros = 0;
for (int ii = 0; ii < strs[i-1].length(); ii++)
{
if (strs[i-1][ii] == '0')
{
zeros++;
}
else{
ones++;
}
}
for (int j = 0; j <= m; j++)
{
for (int k = 0; k <= n; k++)
{
if (zeros > j || ones > k)
{
dp[i][j][k] = dp[i - 1][j][k];
}
else
{
dp[i][j][k] = max(dp[i - 1][j][k], dp[i - 1][j - zeros][k - ones] + 1);
}
}
}
}
return dp[len][m][n];
}
};