Leetcode Day11背包问题

背包问题在这里插入图片描述

模版

@cache
def dfs(i, c):  # i指我们考虑几个物品, c指当前容量
	# 没有物品可以考虑了, 直接返回0
	if i < 0:
		return 0
	if weight[i] > c:
		return dfs(i-1, c)
	else:
		return max(dfs(i-1,c), dfs(i-1, c - weight[i]) + value[i]
		

494

给你一个非负整数数组 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。

示例 1:

输入:nums = [1,1,1,1,1], target = 3
输出:5
解释:一共有 5 种方法让最终目标和为 3 。
-1 + 1 + 1 + 1 + 1 = 3
+1 - 1 + 1 + 1 + 1 = 3
+1 + 1 - 1 + 1 + 1 = 3
+1 + 1 + 1 - 1 + 1 = 3
+1 + 1 + 1 + 1 - 1 = 3

回溯法很不幸超时了

class Solution:
    def findTargetSumWays(self, nums: List[int], target: int) -> int:
        s = sum(nums)
        target += s
        if target < 0 or target % 2 == 1:
            return 0
        
        @cache
        def dfs(i, c):
            if i < 0:
                return 1 if c == 0 else 0 
            if nums[i] > c:
                return dfs(i-1, c)
            return dfs(i-1, c) + dfs(i-1, c - nums[i])

        return dfs(len(nums) - 1, target // 2)

注意边界情况变了
if i < 0: return 1 if c == 0 else 0

零钱兑换

class Solution:
    def coinChange(self, coins: List[int], amount: int) -> int:

        @cache
        def dfs(i, c):
            if i < 0:
                return 0 if c == 0 else inf
            if coins[i] > c:
                return dfs(i - 1, c)
            return min(dfs(i - 1, c), dfs(i, c - coins[i]) + 1)
        res = dfs(len(coins) - 1, amount)
        return res if res != inf else -1
  • 4
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
回答: LeetCode上的背包问题是指在给定一组物品和一个背包的容量的情况下,选择哪些物品放入背包,使得背包中物品的总价值最大。根据物品的选择限制,背包问题可以分为0-1背包问题、完全背包问题和多重背包问题等不同类型。[2] 对于0-1背包问题,每种物品只能选择0个或1个,即要么放入背包,要么不放入。这种情况下,可以使用动态规划来解决,定义一个二维数组dp[i][j]表示前i个物品放入容量为j的背包中所获得的最大价值。通过状态转移方程dp[i][j] = max(dp[i-1][j], dp[i-1][j-weight[i]] + value[i])来更新dp数组,其中weight[i]表示第i个物品的重量,value[i]表示第i个物品的价值。最终,dp[n][W]即为所求的最大价值,其中n为物品的个数,W为背包的容量。[3] 完全背包问题是指每种物品可以选择任意个数,即可以重复放入背包。在解决完全背包问题时,可以将其转化为0-1背包问题来求解。具体做法是将每个物品拆分成多个重量和价值相同的物品,然后按照0-1背包问题的方法进行求解。[1] 多重背包问题是指每种物品有一定的数量限制,即每种物品可以选择0个到nums[i]个。对于多重背包问题,可以将其转化为0-1背包问题来求解。具体做法是将每个物品拆分成多个重量和价值相同的物品,然后按照0-1背包问题的方法进行求解。[1] 总结来说,背包问题是在给定一组物品和背包容量的情况下,选择合适的物品放入背包,使得背包中物品的总价值最大。根据物品的选择限制,背包问题可以分为0-1背包问题、完全背包问题和多重背包问题等不同类型,可以使用动态规划的方法来解决。[2][3]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值