494. 目标和
题目描述:
给定一个非负整数数组,a1, a2, ..., an, 和一个目标数,S。现在你有两个符号 + 和 -。对于数组中的任意一个整数,你都可以从 + 或 -中选择一个符号添加在前面。
返回可以使最终数组和为目标数 S 的所有添加符号的方法数。
示例:
输入:nums: [1, 1, 1, 1, 1], S: 3
输出:5
解题:
刚开始我看到这一题的时候,我首先想到的方法就是暴力搜索,但是我想的是每个数先正数符号,搜索一遍再把他转换成负数再搜索一遍。这样实现起来很麻烦。我看了卡哥的题解思路是将这个数组中的数,变成左右两堆的数,当这两堆数满足left-right=target时,代表求出了一个满足条件的方案,这样子就避免了像我那样每次遍历数组中的数还得考虑是放入正号还是负号,这道题统一就是left堆放正号,right堆放负号。我们明确了使用这个方法后,怎么求left或者right的大小呢,因为left或者right要作为背包的容量,必须是个常量,我们就将公式left-right=target转换成left-(sum-left)=target -> left=(sum+right)/2;
得到left值后我们就开始解题:这题很显然是一道组合问题。
动规五部曲:
1.dp[i]及其下标的定义:填满容量为i的背包一共有dp[i]种方法;
2.递推公式:dp[j]+=dp[j-nums[i]];
3.初始化:dp[0]=1,之所以这样初始化是为了让递推公式有意义。填满容量为0的背包一共有1种方法。其他位置初始化为0;
4.遍历顺序:传统01背包遍历顺序
5.验证dp
class Solution {
public:
int findTargetSumWays(vector<int>& nums, int S) {
int sum = 0;
for (int i = 0; i < nums.size(); i++) sum += nums[i];
if (abs(S) > sum) return 0; // 此时没有方案
if ((S + sum) % 2 == 1) return 0; // 此时没有方案
int bagSize = (S + sum) / 2;
if (bagsize < 0) return 0;
vector<int> dp(bagSize + 1, 0);
dp[0] = 1;
for (int i = 0; i < nums.size(); i++) {
for (int j = bagSize; j >= nums[i]; j--) {
dp[j] += dp[j - nums[i]];
}
}
return dp[bagSize];
}
};
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 的最大子集的大小,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 。
题解:
说说这题我的想法:我看到这题后想到将string数组转换成vector<pair<int,int>> nums用来存储每个0,1的个数,定义的背包是一个二维背包容量为m,n.然后求出最大能够装多少。
动规五部曲:
1.dp[i][j]及其下标的定义:0容量为i,1容量为j的背包最多能装下dp[i][j]个子集.
2.递推公式:dp[i][j]=max(dp[i][j],dp[i-nums[k].first][j-nums[k].second]]+1).
3.初始化dp[0]=0,其他全部初始化为0;
4.遍历顺序:01背包遍历顺序。
class Solution {
public:
int findMaxForm(vector<string>& strs, int m, int n) {
vector<pair<int,int>> nums(strs.size());
for(int i=0;i<strs.size();i++){
for(int j=0;j<strs[i].size();j++){
if(strs[i][j]=='0') nums[i].first++;
if(strs[i][j]=='1') nums[i].second++;
}
}
vector<vector<int>> dp(m+1,vector<int>(n+1));
//背包容量为能够存下m个0,n个1
for(int i=0;i<=m;i++){
for(int j=0;j<=n;j++){
dp[i][j]=0;
// cout<<dp[i][j]<<" ";
}
}
dp[0][0]=0;
for(int k=0;k<nums.size();k++){
for(int i=m;i>=nums[k].first;i--){
for(int j=n;j>=nums[k].second;j--){
dp[i][j] = max(dp[i][j], dp[i - nums[k].first][j - nums[k].second] + 1);
}
}
}
for(int i=0;i<=m;i++){
for(int j=0;j<=n;j++)
cout<<dp[i][j]<<" ";
cout<<endl;
}
return dp[m][n];
}
};
完全背包
完全背包和01背包的代码上不同在于遍历容量时完全背包从小到大。