本文解析了四个编程面试题，涉及动态规划在背包问题中的应用，如0-1背包、无界背包（完全背包）以及计数特定和的排列，展示了如何通过递归和迭代方式解决此类问题，并讨论了优化空间效率的方法。
面试题101：
问题：
给定一个非空的正整数数组，判断能否将这些数字分成和相等的两部分。
解决方案：
- 如果有n个物品，每步判断一个物品是否要放入背包，也就是说解决这个问题需要n步，并且每步都面临放入或不放入两个选择，这看起来是一个能用回溯法解决的问题。但这个题目没有要求列出所有可能的放满背包的方法，而是只要求判断是否存在放满背包的方法，也就是判断方法的数量是否大于0。因此，这个问题更适合用动态规划解决。
- 用函数f（i，j）表示能否从前i个物品（物品标号分别为0，1，…，i-1）中选择若干物品放满容量为j的背包。如果总共有n个物品，背包的容量为t，那么f（n，t）就是问题的解。
- 当j等于0时，即背包的容量为0，不论有多少个物品，只要什么物品都不选择，就能使选中的物品的总重量为0，因此f（i，0）都为true。当i等于0时，即物品的数量为0，肯定无法用0个物品来放满容量大于0的背包，因此当j大于0时f（0，j）都为false。
- 当判断能否从前i个物品中选择若干物品放满容量为j的背包时，对标号为i-1的物品有两个选择。一个选择是将标号为i-1的物品放入背包中，如果能从前i-1个物品（物品标号分别为0，1，…，i-2）中选择若干物品放满容量为j-nums[i-1]的背包（即f（i-1，j-nums[i-1]）为true），那么f（i，j）就为true。另一个选择是不将标号为i-1的物品放入背包中，如果从前i-1个物品中选择若干物品放满容量为j的背包（即f（i-1，j）为true），那么f（i，j）也为true。
源代码（递归）：
class Solution {
public boolean canPartition(int[] nums) {
int sum = 0;
for(int num:nums){
sum += num;
}
if(sum % 2 == 1){
return false;
}
return subsetSum(nums,sum/2);
}
private boolean subsetSum(int[] nums,int target){
Boolean[][] dp = new Boolean[nums.length+1][target+1];
return dfs(nums,dp,nums.length,target);
}
//i表示物品数量，j表示背包容量
private boolean dfs(int[] nums,Boolean[][] dp,int i,int j){
if(dp[i][j] == null){
//当背包容量为0时，不选择任何物品就可以将背包填满，故dp[i][j] = true
if(j == 0){
dp[i][j] = true;
//当物品数量为0时，没有物品了还怎么填满背包，故dp[i][j] = false
}else if(i == 0){
dp[i][j] = false;
}else{
//情况一：不取该物品
dp[i][j] = dfs(nums,dp,i-1,j);
//情况二：取该物品，但是背包容量必须大于等于该物品重量
if(!dp[i][j] && j >= nums[i-1]){
dp[i][j] = dfs(nums,dp,i-1,j-nums[i-1]);
}
}
}
return dp[i][j];
}
}
源代码（迭代）：
class Solution {
public boolean canPartition(int[] nums) {
int sum = 0;
for(int num:nums){
sum += num;
}
if(sum % 2 == 1){
return false;
}
return subsetSum(nums,sum/2);
}
private boolean subsetSum(int[] nums,int target){
//i表示物品数量，j表示背包容量
//因为这题所用数组与上题不太一样，Boolean数组的默认值是null，而boolean数组的默认值是false，因此不需要再对当物品数量为0时，没有物品了还怎么填满背包，故dp[i][j] = false的情况进行赋值
boolean[][] dp = new boolean[nums.length+1][target+1];
//当背包容量为0时，不选择任何物品就可以将背包填满，故dp[i][j] = true
for(int i = 0;i <= nums.length;i++){
dp[i][0] = true;
}
for(int i = 1;i <= nums.length;i++){
for(int j = 1;j <= target;j++){
//情况一：不取该数字，背包容量不变，而且数字个数减一
dp[i][j] = dp[i-1][j];
//情况二：取该数字，背包容量必须大于等于该数字大小，背包容量减少该数字大小，而且数字个数减一
if(!dp[i][j] && j >= nums[i-1]){
dp[i][j] = dp[i-1][j-nums[i-1]];
}
}
}
return dp[nums.length][target];
}
}
优化空间效率思路：
在计算f（i，j）的值时需要用到f（i-1，j）、f（i-1，j-nums[i-1]）、因为f（i-1，j-nums[i-1]）保存在f（i，j）之前，那么如果从左到右计算，那么会将f（i-1，j-nums[i-1]）覆盖为f（i，j-nums[i-1]），所以只能从右到左计算。而且在f（i，j）计算完后就不需要用到了。
源代码：
class Solution {
public boolean canPartition(int[] nums) {
int sum = 0;
for(int num:nums){
sum += num;
}
if(sum % 2 == 1){
return false;
}
return subsetSum(nums,sum/2);
}
private boolean subsetSum(int[] nums,int target){
//i表示物品数量，j表示背包容量
boolean[] dp = new boolean[target+1];
//当背包容量为0时，不选择任何物品就可以将背包填满，故dp[j] = true
dp[0] = true;
for(int i = 1;i <= nums.length;i++){
for(int j = target;j > 0;j--){
//因为压缩为一维数组了，dp[i][j]没赋值前就是dp[i-1][j]，所以省去赋值操作
if(!dp[j] && j >= nums[i-1]){
dp[j] = dp[j-nums[i-1]];
}
}
}
return dp[target];
}
}
面试题102：
问题：
给定一个非空的正整数数组和一个目标值S，如果为每个数字添加“+”或“-”运算符，请计算有多少种方法可以使这些整数的计算结果为S
解决方案：
- 假设数组有n个，每一个数字都有两种情况+或-，看起来适合使用回溯法，但是题目没有要求我们求出每一种方法的情况，而是让我们求出总共有多少种方法，故使用动态规划。
- 为输入的数组中的有些数字添加“+”，有些数字添加“-”。如果所有添加“+”的数字之和为p，所有添加“-”的数字之和为q，按照题目的要求，p-q=S。如果累加数字中的所有数字，就能得到整个数组的数字之和，记为sum，即p+q=sum。将这两个等式的左右两边分别相加，就可以得到2p=S+sum，即p=（S+sum）/2。
- 用函数f（i，j）表示在数组的前i个数字（即nums[0…i-1]）中选出若干数字使和等于j的方法的数目。如果数组的长度为n，目标和为t，那么 f（n，t）就是整个问题的解。
- 当j0时，也就是在i个数字选出n个数，使它们的和等于j，只要一个不选就等于0了，故f（i，0） = 1，当i0，j > 0时，当数字个数为0，不管怎么选它们的和都不可能大于0，故f（0，j） = 0，当i >0 并且 j > nums[i]时，f（i，j） = f（i-1，j） + f（i-1，j-nums[i]）。
源代码：
class Solution {
public int findTargetSumWays(int[] nums, int target) {
int sum = 0;
for(int num:nums){
sum += num;
}
if(target < 0){
target = -target;
}
if((sum + target) % 2 == 1 || sum < target){
return 0;
}
target = (sum+target)/2 ;
return targetSum(nums,target);
}
private int targetSum(int[] nums,int target){
int[] dp = new int[target+1];
dp[0] = 1;
//因为f（i，j）依赖于f（i-1，j）、f（i-1，j-nums[i-1]），如果从左到右顺序f（i-1，j-nums[i-1]）在f（i，j）前面计算会给f（i，j-nums[i-1]）覆盖，故从右到左进行计算，又因为f（i-1，j）和f（i，j）保存在一起，但是还没计算完f（i，j）的时候，dp[j]保存的是f（i-1，j）的值，故使用累加：dp[j] += dp[j-num]。
for(int num:nums){
for(int j = target;j >= num;--j){
dp[j] += dp[j-num];
}
}
return dp[target];
}
}
面试题103：
问题：
给定正整数数组coins表示硬币的面额和一个目标总额t，请计算凑出总额t至少需要的硬币数目。
解决方案：
- 如果将每种面额的硬币看成一种物品，而将目标总额看成背包的容量，那么这个问题等价于求将背包放满时物品的最少件数。值得注意的是，这里每种面额的硬币可以使用任意多次，因此这个问题不再是0-1背包问题，而是一个无界背包问题（也叫完全背包问题）。
- 用函数f（i，j）表示用前i种硬币（coins[0，…，i-1]）凑出总额为j需要的硬币的最少数目。当使用0枚标号为i-1的硬币时，f（i，j）等于 f（i-1，j）（用前i-1种硬币凑出总额j需要的最少硬币数目，再加上1枚标号为i-1的硬币）；当使用1枚标号为i-1的硬币时，f（i，j）等于f（i-1，j-coins[i-1]）加1（用前i-1种硬币凑出总额j-coins[i-1]需要的最少硬币数目，再加上1枚标号为i-1的硬币）；以此类推，当使用k枚标号为i-1的硬币时，f（i，j）等于f（i-1，j-k×coins[i-1]）加k（用前i-1种硬币凑出总额j-k×coins[i-1]需要的最少硬币数目，再加上k枚标号为i-1的硬币）。
源代码：
class Solution {
public int coinChange(int[] coins, int amount) {
int[] dp = new int[amount+1];
Arrays.fill(dp,amount+1);
dp[0] = 0;
for(int num:coins){
for(int j = amount;j >= num;j--){
for(int k = 1;k*num <= j;k++){
dp[j] = Math.min(dp[j],dp[j - k*num] + k);
}
}
}
return dp[amount] > amount?-1:dp[amount];
}
}
面试题104：
问题：
给定一个非空的正整数数组nums和一个目标值t，数组中的所有数组都是唯一的，请计算数字之和等于t的所有排列的数目。
解决方案：
- 如果将每个数字看成一种物品，而将目标值看成背包的容量，那么这个问题等价于求将背包放满时物品的最少件数。值得注意的是，这里每个数字可以在排列中出现任意次，因此这个问题不再是0-1背包问题，而是一个无界背包问题（也叫完全背包问题）。
- 用f（i）表示和为i的排列的数目。为了得到和为i的排列，有如下选择：在和为i-nums[0]的排列中添加标号为0的数字，此时f（i）等于f（i-nums[0]）；在和为i-nums[1]的排列中添加标号为1的数字，此时f（i）等于f（i-nums[1]）。以此类推，在和为i-nums[n-1]的排列中添加标号为n-1的数字（n为数组的长度），此时f（i）等于 f（i-nums[n-1]）。因为目标是求出所有和为i的排列的数目，所以将上述所有情况全部累加起来。
源代码：
class Solution {
public int combinationSum4(int[] nums, int target) {
int[] dp = new int[target+1];
dp[0] = 1;
for(int i = 1;i <= target;i++){
for(int num:nums){
if(i >= num){
dp[i] += dp[i - num];
}
}
}
return dp[target];
}
}
1506
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
