一、1049. 最后一块石头的重量 II
这道题其实就与“分割子集”一样,就是先将总和分成两份,然后追求总和的一半的价值。背包的重量与价值都是由石头的重量表示的,可以认为重量是一种限制,而价值是一种追求 ,此题中,石头的重量即是一种限制,同时又要追求一个总重量的一半这么一个数值。
以下是代码部分:
public class 最后一块石头的重量II1049 {
//又是没想到怎么结合:其实也跟分割子集一样,分成两大部分
public int lastStoneWeightII(int[] stones) {
int sum = 0;
for (int i = 0; i < stones.length; i++) {
sum += stones[i];
}
int target = sum / 2;
//踩坑:这里数组的大小是target(价值大小),而不是石头数组的长度
int[] dp = new int[target+1];
for (int i = 0; i < stones.length; i++) {
for (int j = target; j >= stones[i] ; j--) {
//踩坑:这里第一项是dp[j],而非dp[j-1]。因为在二维表中是它的上边一项,而不是左边一项。
//dp[j] = Math.max(dp[j-1], dp[j-stones[i]] + stones[i]);
dp[j] = Math.max(dp[j], dp[j-stones[i]] + stones[i]);
}
}
return sum - 2 * dp[target] ;
}
}
二、494. 目标和
这道题其实也跟上一题类似,将总的元素分成两部分。不同的是,上一题追求两部分之差为0,而这一题追求的两部分之差为给定的一个值target。
同时,在递推公式上也有区别。上一题的dp数组表示的是在当前背包情况的最大价值,而这一题的dp数组则是表示当前背包下满足价值为当前重量的组合数量。
以下是代码部分:
public class 目标和494 {
public int findTargetSumWays(int[] nums, int target) {
int sum = 0;
for (int i = 0; i < nums.length; i++) {
sum += nums[i];
}
// right - left = target ——> (sum - left) - left = target
//踩坑,可能sum - target 为负数
int left = Math.abs(sum - target) / 2;
//dp不再指的是当前背包的最大价值,而是可以组成当前价值的组合数量
int[] dp = new int[left+1];
//这个初始化 1 非常重要。
dp[0] = 1;
//左右不会平均分下来
if( (sum - target) %2 != 0)
return 0;
//即使全正或全负也达不到target
if( sum < Math.abs(target) )
return 0;
for (int i = 0; i < nums.length; i++) {
for (int j = left; j >= nums[i] ; j--) {
//这里其实可以认为dp[j]由两部分组成:
//dp[i-1][j] 不算nums[i]
//dp[i-1][j-nums[i]] 算上nums[i]
dp[j] += dp[j - nums[i]];
}
}
return dp[left];
}
}
三、474.一和零
这道题的重要思想:
- 将数组中的每个字符串看成一个物品
- 字符串的‘0’的个数和‘1’的个数可以看作重量,重量由两个维度组成,所以要兼顾两个维度都能装下。
- 字符串的价值均为1,因为题目要求的是字符串的数量。
- 注意统计字符串中‘0’、‘1’的方式
以下是代码部分:
public class 一和零474 {
//重要的思想:物品的重量由两个维度组成,所以压缩后的dp数组是二维的
public int findMaxForm(String[] strs, int m, int n) {
//定义dp数组
int[][] dp = new int[m+1][n+1];
//初始化
//压缩后的dp不需要初始化
//遍历物品
for (String str : strs) {
int zero = 0;
int one = 0;
//遍历字符串
for(char c : str.toCharArray()){
if(c == '0')
zero++;
else
one++;
}
//遍历重量(即0、1的个数
for (int i = m; i >= zero; i--) {
for (int j = n; j >= one; j--) {
dp[i][j] = Math.max(dp[i][j], dp[i - zero][j - one] + 1);
}
}
}
return dp[m][n];
}
}