1.最后一块石头的重量2
代码:
class Solution {
public:
int lastStoneWeightII(vector<int>& stones) {
int sum = 0;
for(int i = 0;i < stones.size(); i++){
sum += stones[i];
}
int begweight = sum / 2;
// 初始化dp数组
vector<int> dp(begweight + 1,0);
// 递推公式
for(int i = 0; i < stones.size(); i++){
for(int j = begweight; j >= stones[i]; j--){
dp[j] = max(dp[j],dp[j - stones[i]] + stones[i]);
}
}
int result = sum - dp[begweight] - dp[begweight];
return result;
}
};
思路:这道题和划分等和子集的题的思路很像,我们尽量把石头按照重量等分成两组,然后碰撞,这样剩下的石头重量最低。这道题也是把石头的重量看成是它的价值。
dp数组的含义:dp[j]表示 用物品1-i去装容量为j的背包所得的最大重量
dp数组的递推公式:就是一维滚动01背包的基础上,把价值换成了重量。 dp[j] = max(dp[j],dp[j - stones[i]] + stones[i])
dp数组的初始化:为了为了确保每个物品只被添加一次,我们在遍历物品的循环中使用了倒序遍历。这是因为如果在正序遍历的情况下,当我们计算 dp[j]
时,dp[j-weight[i]]
已经被更新过了,如果当前物品被多次添加,则 dp[j]
的值会受到影响,不再是我们期望的状态。
这道题我又错了,sos!!在写j的for循环的时候,把j的边界条件写错了,j >= stones[i]!!!!!
2.目标和
代码:
class Solution {
public:
int findTargetSumWays(vector<int>& nums, int target) {
// 可以把数组分成left和right两个阵营。left是正数组。right是负数组。
// 这样left+right=target left-right=sum
// left=(target + sum)/2 只要去求用nums里的物品有多少种方法装满容量为left的背包就好了
int sum = 0;
for(int i = 0; i < nums.size(); i++){
sum += nums[i];
}
if (abs(target) > sum) return 0;
if((sum + target) % 2 == 1){ // 如果left都不是整数,说明没有求得target的表达式
return 0;
}
int left = (sum + target)/2;
// 定义和初始化dp数组
vector<int> dp(left + 1,0);
dp[0] = 1;
// 递推公式
for(int i = 0; i < nums.size(); i++){
for(int j = left; j >= nums[i]; j--){
dp[j] += dp[j - nums[i]];
// 可以看作是求什么情况下,再添一个元素就正好到容量j了(就像爬楼梯一样,只不过这道题没有限制只能爬一层台阶,所以我们出发的起点就很多
}
}
return dp[left];
}
};
思路:
这道题其实可以把数组分成left和right两个阵营。left是正数组。right是负数组。这样left+right=target left-right=sum推出left=(target + sum)/2。——>只要去求用nums里的物品有多少种方法装满容量为left的背包就好了。
涉及到求方法类的问题,可以看作是求什么情况下,再添一个元素就正好到容量j了(就像爬楼梯一样,只不过这道题没有限制只能爬一层台阶,所以我们出发的起点就很多。也可以求用我们之前做过的路径总和来类比。
dp数组的含义:dp[j] 用物品0~i装满容量为j的背包有多少种方法
dp数组的递推公式:dp[j] += dp[j - nums[i] ]
dp数组的初始化:
从递推公式可以看出,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,递推结果将都是0。
这里有录友可能认为从dp数组定义来说 dp[0] 应该是0,也有录友认为dp[0]应该是1。
其实不要硬去解释它的含义,咱就把 dp[0]的情况带入本题看看应该等于多少。
如果数组[0] ,target = 0,那么 bagSize = (target + sum) / 2 = 0。 dp[0]也应该是1, 也就是说给数组里的元素 0 前面无论放加法还是减法,都是 1 种方法。
所以本题我们应该初始化 dp[0] 为 1。
可能有同学想了,那 如果是 数组[0,0,0,0,0] target = 0 呢。
其实 此时最终的dp[0] = 32,也就是这五个零 子集的所有组合情况,但此dp[0]非彼dp[0],dp[0]能算出32,其基础是因为dp[0] = 1 累加起来的。
对了,这道题我一开始提交的时候显示我溢出了,后来加上了 if (abs(target) > sum) return 0;这句话就过了。
3.一和零
代码:
class Solution {
public:
int findMaxForm(vector<string>& strs, int m, int n) {
// 定义dp数组 这道题相当于从两个维度装背包,因此定义一个二维的dp数组
vector<vector<int>> dp(m + 1,vector<int>(n + 1,0));
// 递推公式
for(string str : strs){ // 遍历物品
int oneNum = 0;
int zeroNum = 0;
for(char c : str){
if(c == '0'){ // 统计每个物品里0、1的数量
zeroNum++;
}else{
oneNum++;
}
}
for(int j = m; j >= zeroNum; j--){
for(int k = n; k >= oneNum; k--){
dp[j][k] = max(dp[j][k],dp[j - zeroNum][k - oneNum] + 1);
// 因为我们求的是装满容量为j,k的最多的物品数量,所以这里的value换成了数量1
}
}
}
return dp[m][n];
}
};
思路:
这道题相当于从两个维度(专门装0,和专门装1的背包容量)装背包,问装满背包的最多的物品数量为多少
dp数组的含义:dp[j][k]装满(专门装0容量为j,和专门装1容量为k)的背包,最多所用的物品数量
dp数组的递推公式:dp[j][k] = max(dp[j][k],dp[j - zeroNum][k - oneNum] + 1)
dp数组的初始化:为了不影响我们取最大值,全部初始化为0
dp数组的遍历顺序:就和滚动数组的一样,为了每个物品只被添加一次,倒叙遍历
这道题,我又又又错了,那个j和k的for循环和统计一个元素中的01个数的循环 是并列关系,我写成嵌套了[悲伤]