【力扣一刷】代码随想录day46（动态规划part8 - 背包问题专题：139.单词拆分、多重背包基础、56. 携带矿石资源（第八期模拟笔试）、背包问题总结篇）

目录

【139.单词拆分】

方法一  暴力回溯​编辑

方法二  完全背包做法（很抽象，不如回溯思路清晰）

【多重背包基础】

【56. 携带矿石资源（第八期模拟笔试）】

【背包问题总结篇】（参考代码随想录-背包问题总结）

1、背包问题判断

2、背包递推公式

3、求排列数 or 组合数

---

【139.单词拆分】

方法一  暴力回溯

关键：

1、如果子节点不包含在单词字典中，直接跳过，不遍历该子节点。

2、如果遍历过程中，发现以start开头的所有子节点都返回false，则标记start位置开头的字符串都不能匹配，即mem[start] = -1，后序再遍历到start开头，直接返回false，不再进入for循环。（通过的关键）

3、如果有一个分支能到达最后，则一路往上返回true。

注意：

这道题不需要返回拆分的路径，因此也不需要记录路径和恢复现场。

class Solution {
    Set<String> set;
    int[] mem;
    public boolean wordBreak(String s, List<String> wordDict) {
        set = new HashSet<>(wordDict);  // 将list转换为set，加快contains查找速度
        mem = new int[s.length()];  // 记录以start~s.length()都不能匹配的情况
        return backtracking(s, 0); // 回溯
    }

    public boolean backtracking(String s, int start){
        // 1、递归结束条件
        if (start == s.length()) return true;
        if (mem[start] == -1) return false; // 之前的搜索已经发现从start开始后面的字符串无法匹配
        // 2、单层递归逻辑-遍历子节点
        for (int i = start + 1; i <= s.length(); i++){ // i表示结束位置索引，subString左闭右开
            String subStr = s.substring(start, i);
            if (set.contains(subStr)) {
                if (backtracking(s, i)) return true;
            }
        }
        mem[start] = -1; // 标记以start开始后面的字符串都没办法匹配
        return false;
    }
}

• 时间复杂度：O(2^n)，n是字符串长度，因为每一个字符都有两个状态，切割和不切割
• 空间复杂度：O(n)，算法递归系统调用栈的空间，最长和字符串长度相等

方法二  完全背包做法（很抽象，不如回溯思路清晰）

分析：

1、单词（物品）可无限次取，属于完全背包问题，正序遍历背包容量。

2、s中单词的顺序固定，但是不一定是按wordDict的顺序排，此处对应的是排列，外层for遍历背包容量。

3、初始化，默认初始化除dp[0]外的所有值为false，dp[0]=true，后面才有可能为true，否则全都是false。

4、dp[i]的含义，i 代表背包的容量，i 前面的子串能否能够被字典中的单词拼接出来，能设为true，否保持默认值false。

5、递推关系，j 代表的是指向s的字符索引，如果dp[j]为true，说明 j 前面的子串能够被拼接，从 j 开始到 i 前面的子串如果也包含在字典中，则 i 前面的字符串都能被拼接，dp[i] 设为true。

class Solution {
    public boolean wordBreak(String s, List<String> wordDict) {
        Set<String> set = new HashSet<>(wordDict);
        boolean[] dp = new boolean[s.length() + 1]; // dp[0]对应空字符串，默认初始化所有值为false
        dp[0] = true; // dp[0]=true，后面才有可能为true，否则全都是false
        // s中单词的顺序固定，但是不一定是按wordDict的顺序，所以这里是排列数
        for (int i = 1; i < s.length() + 1; i++){  // 外层for遍历背包容量
            for (int j = 0; j < i; j++){
                if (dp[j] == true && set.contains(s.substring(j, i))){ // i=字符对应索引+1
                    dp[i] = true;
                }
            }
        }
        return dp[s.length()];
    }
}

• 时间复杂度：O(n^3)，两个for循环，加上s.substring(j, i)的复杂度与子串长度有关，最坏为n
• 空间复杂度：O(n)，n为字符串的长度

【多重背包基础】

多重背包和01背包的关系：

多重背包每件物品最多有Mi件可用，把Mi件摊开，其实就是一个01背包问题了。

多重背包：

转化为01背包：

【56. 携带矿石资源（第八期模拟笔试）】

关键：在最内层增加一层for遍历，将多重背包转化为01背包。

判断条件要加上j >= k*weights[i]，只有容量足够容纳k个相同物品，才考虑放。

import java.util.*;
public class Main{
    public static void main (String[] args) {
        // 读取数据
        Scanner sc = new Scanner(System.in);
        int C = sc.nextInt();
        int N = sc.nextInt();
        int[] weights = new int[N];
        int[] values = new int[N];
        int[] nums = new int[N];
        for (int i = 0; i < N; i++) weights[i] = sc.nextInt();
        for (int i = 0; i < N; i++) values[i] = sc.nextInt();
        for (int i = 0; i < N; i++) nums[i] = sc.nextInt();
        
        int[] dp = new int[C+1];
        for (int i = 0; i < N; i++){
            for (int j = C; j >= weights[i]; j--){
                // 在最内层增加一层for遍历，将多重背包转化为01背包
                for (int k = 1; k <= nums[i] && j >= k*weights[i]; k++){
                    dp[j] = Math.max(dp[j], dp[j - k * weights[i]] + k * values[i]);
                }
            }
        }
        System.out.println(dp[C]);
    }
}

• 时间复杂度：O(N × C × k)，N为物品种类个数，C背包容量，k单类物品数量
• 空间复杂度：O(C)，C为背包容量

【背包问题总结篇】（参考代码随想录-背包问题总结）

1、背包问题判断

01背包问题：每种物品最多只能取1次

完全背包问题：每种物品可以取无限次

多重背包问题：每种物品可以取的次数有规定

2、背包递推公式

问背包装满最大价值：

dp[j] = max(dp[j], dp[j - weight[i]] + value[i]); ，对应题目如下：

• 动态规划：474.一和零(opens new window)

问能否能装满背包（或者最多装多少）：

dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]); ，对应题目如下：

• 动态规划：416.分割等和子集(opens new window)
• 动态规划：1049.最后一块石头的重量 II(opens new window)

问装满背包有几种方法：

dp[j] += dp[j - nums[i]] ，对应题目如下：

• 动态规划：494.目标和(opens new window)
• 动态规划：518. 零钱兑换 II(opens new window)
• 动态规划：377.组合总和Ⅳ(opens new window)
• 动态规划：70. 爬楼梯进阶版（完全背包）(opens new window)

问装满背包所有物品的最小个数：

dp[j] = min(dp[j - coins[i]] + 1, dp[j]); ，对应题目如下：

• 动态规划：322.零钱兑换(opens new window)
• 动态规划：279.完全平方数

3、求排列数 or 组合数

求组合数：结果按物品排序固定顺序来

外层for循环遍历物品，内层for遍历背包。

动态规划：518.零钱兑换II(opens new window)

求排列数：结果不按物品排序固定顺序来

外层for遍历背包，内层for循环遍历物品。

动态规划：377. 组合总和 Ⅳ (opens new window)、动态规划：70. 爬楼梯进阶版（完全背包）