1049. 最后一块石头的重量 II
- 学习文章链接:
- 思路:基于分割等和子集。详情见注释。
- 代码:
class Solution {
public int lastStoneWeightII(int[] stones) {
// 与分割等和子集很相似
int sum = 0;
for (int i = 0; i < stones.length; i++) {
sum += stones[i];
}
int target = sum / 2;
int[] dp = new int[target + 1];
494 for (int i = 0; i < stones.length; i++) {
for (int j = target; j >= stones[i]; j--) {
dp[j] = Math.max(dp[j], dp[j - stones[i]] + stones[i]);
}
}
// 背包里能装的最大的重量,就是需要粉碎掉的石头重量,总量减去粉碎数量的双倍就是剩余最小石头重量。
return sum - dp[target] - dp[target];
}
}
494.目标和
- 学习文章链接:
- 思路:组合问题的递推公式与01背包的基本公式有了不同,详情见注释。
- 代码:
class Solution {
public int findTargetSumWays(int[] nums, int target) {
// 加法的总和为x,那么减法对应的总和就是sum - x
// 所以我们要求的是 x - (sum - x) = target
// x = (target + sum) / 2
// 此时问题就转化为,装满容量为x背包,有几种方法。
// 这里的x,就是bagSize,也就是我们后面要求的背包容量。
int sum = 0;
for (int i = 0; i < nums.length; i++) sum += nums[i];
// 如果目标值的绝对值大于数组和,那一定没有方案。
if (Math.abs(target) > sum) return 0;
int x = (target + sum) / 2;
// target 和 sum 必须同为奇数或偶数才行,否则会出现向下取整的情况。
if ((target + sum) % 2 == 1) return 0;
// dp[j] 表示:填满j(包括j)这么大容积的包,有dp[j]种方法
int[] dp = new int[x + 1];
// 从递归公式可以看出,在初始化的时候dp[0] 一定要初始化为1,
// 因为dp[0]是在公式中一切递推结果的起源,如果dp[0]是0的话,递归结果将都是0。
dp[0] = 1;
for (int i = 0; i < nums.length; i++) {
for (int j = x; j >= nums[i]; j--) {
// 组合问题的递推公式,大多如此。
dp[j] += dp[j - nums[i]];
}
}
return dp[x];
}
}
474.一和零
- 学习文章链接:
- 思路:两个维度出发的01背包,重要的是理解好dp数组的含义,和递推公式的由来。
- 代码:
class Solution {
public int findMaxForm(String[] strs, int m, int n) {
// 最多有i个0和j个1的strs的最大子集的大小为dp[i][j]。
int[][] dp = new int [m + 1][n + 1];
for (String s : strs) {
int zeroNum = 0;
int oneNum = 0;
for (int i = 0; i < s.length(); i++) {
if (s.charAt(i) == '0') {
zeroNum++;
} else {
oneNum++;
}
}
// dp[i][j] 可以由前一个strs里的字符串推导出来,strs里的字符串有zeroNum个0,oneNum个1。
//
// dp[i][j] 就可以是 dp[i - zeroNum][j - oneNum] + 1。
//
// 然后我们在遍历的过程中,取dp[i][j]的最大值。
//
// 所以递推公式:dp[i][j] = max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1);
//
// 此时大家可以回想一下01背包的递推公式:dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
//
// 对比一下就会发现,字符串的zeroNum和oneNum相当于物品的重量(weight[i]),字符串本身的个数相当于物品的价值(value[i])。
//
// 这就是一个典型的01背包! 只不过物品的重量有了两个维度而已。
for (int i = m; i >=zeroNum; i--) {
for (int j = n; j >= oneNum; j--) {
dp[i][j] = Math.max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1);
}
}
}
return dp[m][n];
}
}