231031刷题记录
参考代码随想录来刷的
关键词:01背包、动态规划
01背包理论基础
问题描述
有n件物品和一个最多能背重量为w的背包。每件物品最多用一次,求解将哪些物品装入背包里物品价值总和最大。
例子
二维dp数组01背包
- 确定dp数组以及下标的含义
dp[i][j] 表示从下标为[0-i]的物品里任意取,放进容量为j的背包,价值总和最大是dp[i][j] 。 - 确定递推公式
再回顾一下dp[i][j]的含义:从下标为[0-i]的物品里任意取,放进容量为j的背包,价值总和最大是多少。
那么可以有两个方向推出来dp[i][j],
- 不放物品i:由dp[i - 1][j]推出,即背包容量为j,里面不放物品i的最大价值,此时dp[i][j]就是dp[i - 1][j]。(其实就是当物品i的重量大于背包j的重量时,物品i无法放进背包中,所以背包内的价值依然和前面相同。)
- 放物品i:由dp[i - 1][j - weight[i]]推出,dp[i - 1][j - weight[i]] 为背包容量为j - weight[i]的时候不放物品i的最大价值,那么dp[i - 1][j - weight[i]] + value[i] (物品i的价值),就是背包放物品i得到的最大价值
d p [ i ] [ j ] = m a x ( d p [ i − 1 ] [ j ] , d p [ i − 1 ] [ j − w e i g h t [ i ] ] + v a l u e [ i ] ) dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]) dp[i][j]=max(dp[i−1][j],dp[i−1][j−weight[i]]+value[i])
- dp数组如何初始化
首先从dp[i][j]的定义出发,如果背包容量j为0的话,即dp[i][0],无论是选取哪些物品,背包价值总和一定为0,即dp[i][0] = 0。
i 是由 i-1 推导出来,那么i为0的时候就一定要初始化。
dp[0][j],即:i为0,存放编号0的物品的时候,各个容量的背包所能存放的最大价值。
那么很明显当 j < weight[0]的时候,dp[0][j] 应该是 0,因为背包容量比编号0的物品重量还小。
当j >= weight[0]时,dp[0][j] 应该是value[0],因为背包容量放足够放编号0物品。 - 确定遍历顺序
先遍历 物品还是先遍历背包重量呢?
其实都可以!! 但是先遍历物品更好理解。
public class BagProblem {
public static void main(String[] args) {
int[] weight = {1,3,4};
int[] value = {15,20,30};
int bagSize = 4;
testWeightBagProblem(weight,value,bagSize);
}
/**
* 动态规划获得结果
* @param weight 物品的重量
* @param value 物品的价值
* @param bagSize 背包的容量
*/
public static void testWeightBagProblem(int[] weight, int[] value, int bagSize){
// 创建dp数组
int goods = weight.length; // 获取物品的数量
int[][] dp = new int[goods][bagSize + 1];
// 初始化dp数组
// 创建数组后,其中默认的值就是0
for (int j = weight[0]; j <= bagSize; j++) {
dp[0][j] = value[0];
}
// 填充dp数组
for (int i = 1; i < weight.length; i++) {
for (int j = 1; j <= bagSize; j++) {
if (j < weight[i]) {
/**
* 当前背包的容量都没有当前物品i大的时候,是不放物品i的
* 那么前i-1个物品能放下的最大价值就是当前情况的最大价值
*/
dp[i][j] = dp[i-1][j];
} else {
/**
* 当前背包的容量可以放下物品i
* 那么此时分两种情况:
* 1、不放物品i
* 2、放物品i
* 比较这两种情况下,哪种背包中物品的最大价值最大
*/
dp[i][j] = Math.max(dp[i-1][j] , dp[i-1][j-weight[i]] + value[i]);
}
}
}
// 打印dp数组
for (int i = 0; i < goods; i++) {
for (int j = 0; j <= bagSize; j++) {
System.out.print(dp[i][j] + "\t");
}
System.out.println("\n");
}
}
}
一维dp数组(滚动数组)01背包
在解决01背包问题的时候,使用的二维dp数组是一行一行更新的,第 i 行的更新与第 i - 1 行有关,意思就是说第 i 行的值是由第 i - 1 行推导出来的。
故dp数组只用记录每一行的状态即可,而不用记录所有行。故二维dp数组可简化为一维数组。
- 确定dp数组的定义
dp[j]表示:容量为j的背包,所背的物品最大价值为dp[j]。 - 一维dp数组的递推公式
d p [ j ] = m a x ( d p [ j ] , d p [ j − w e i g h t [ i ] ] + v a l u e [ i ] ) ; dp[j] = max(dp[j], dp[j - weight[i]] + value[i]); dp[j]=max(dp[j],dp[j−weight[i]]+value[i]); - 一维dp数组如何初始化
关于初始化,一定要和dp数组的定义吻合,否则到递推公式的时候就会越来越乱
dp[j]表示:容量为j的背包,所背的物品价值可以最大为dp[j],那么dp[0]就应该是0,因为背包容量为0所背的物品的最大价值就是0。
那么dp数组除了下标0的位置,初始为0,其他下标应该初始化多少呢?
看一下递归公式:dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
dp数组在推导的时候一定是取价值最大的数,dp数组在递归公式的过程中取的最大的价值,而不是被初始值覆盖了。 - 一维dp数组遍历顺序
先遍历物品再遍历容量。
遍历容量的时候,从大往小遍历。
为什么容量要从大往小遍历?
先看看递推公式:
d p [ j ] = m a x ( d p [ j ] , d p [ j − w e i g h t [ i ] ] + v a l u e [ i ] ) ; dp[j] = max(dp[j], dp[j - weight[i]] + value[i]); dp[j]=max(dp[j],dp[j−weight[i]]+value[i]);
即dp[j]
是由dp[j]
或者dp[j - weight[i]]
推导出来的。dp[j - weight[i]]
肯定在dp[j]
的左边。
举一个例子:
dp[3]
可由dp[3]
或者是dp[1]
推导出来,dp[5]
可由dp[5]
或者是dp[3]
推导出来,假设先更新dp[3]
,那么上一个dp[3]
就被覆盖掉了,那么在更新dp[5]
的时候可能会出错。因为dp[5]
是由上一个dp[3]
推导出来的,但是上一个dp[3]
已经被覆盖掉了,现在的dp[3]
已经不是上一个dp[3]
了。
故要从大往小遍历。
public static void testWeightBagProblem(int[] weight, int[] value, int bagWeight){
int wLen = weight.length;
//定义dp数组:dp[j]表示背包容量为j时,能获得的最大价值
int[] dp = new int[bagWeight + 1];
//遍历顺序:先遍历物品,再遍历背包容量
for (int i = 0; i < wLen; i++){
for (int j = bagWeight; j >= weight[i]; j--){
dp[j] = Math.max(dp[j], dp[j - weight[i]] + value[i]);
}
}
//打印dp数组
for (int j = 0; j <= bagWeight; j++){
System.out.print(dp[j] + " ");
}
}
1 474.一和零
力扣题目链接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 的最大子集的长度,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 。
这道题就是3维的01背包问题。背包容量是二维的:m、n。
两种做法,不用滚动数组,用滚动数组
不用滚动数组
- dp数组含义
dp[i][j][k]
表示,从strs中下标为0-i的字符串里任取,可用0的上限为j,可用1的上限为k时,最大子集的长度为dp[i][j][k]。 - 递推公式
d p [ i ] [ j ] [ k ] = m a x ( d p [ i − 1 ] [ j ] [ k ] , d p [ i ] [ j ] [ k ] = d p [ i − 1 ] [ j − 第 i 个字符串中 0 的数量 ] [ k − 第 i 个字符串中 1 的数量 ] ) dp[i][j][k]=max(dp[i-1][j][k], dp[i][j][k] = dp[i-1][j - 第 i 个字符串中0的数量][k - 第 i 个字符串中1的数量]) dp[i][j][k]=max(dp[i−1][j][k],dp[i][j][k]=dp[i−1][j−第i个字符串中0的数量][k−第i个字符串中1的数量]) - 初始化
从递推公式看出,后面的值依赖前面的值,故要先计算出dp[i][][]
。 - 遍历顺序
影响不大
class Solution {
public int findMaxForm(String[] strs, int m, int n) {
int[][][] dp = new int[strs.length][m + 1][n + 1];
int[] count = countZeroAndOne(strs[0]);
for (int i = count[0]; i <= m; i++) {
for (int j = count[1]; j <= n; j++) {
dp[0][i][j] = 1;
}
}
for (int i = 1; i < strs.length; i++) {
for (int j = 0; j <= m; j++) {
for (int k = 0; k <= n; k++) {
int[] t = countZeroAndOne(strs[i]);
if (j >= t[0] && k >= t[1])
dp[i][j][k] = Math.max(dp[i - 1][j][k], dp[i - 1][j - t[0]][k - t[1]] + 1);
else
dp[i][j][k] = dp[i - 1][j][k];
}
}
}
return dp[strs.length - 1][m][n];
}
private int[] countZeroAndOne(String str) {
int[] cnt = new int[2];
for (char c : str.toCharArray()) {
cnt[c - '0']++;
}
return cnt;
}
}
用滚动数组
- dp数组含义
dp[j][k]
表示,可用0的上限为j,可用1的上限为k时,最大子集的长度为dp[j][k] - 递推公式
- 不用第 i 个字符串,
dp[j][k] = dp[j][k]
- 用第 i 个字符串,
dp[j][k] = dp[j - 第 i 个字符串中0的数量][k - 第 i 个字符串中1的数量]
故
d p [ j ] [ k ] = m a x ( d p [ j ] [ k ] , d p [ j ] [ k ] = d p [ j − 第 i 个字符串中 0 的数量 ] [ k − 第 i 个字符串中 1 的数量 ] ) dp[j][k]=max(dp[j][k], dp[j][k] = dp[j - 第 i 个字符串中0的数量][k - 第 i 个字符串中1的数量]) dp[j][k]=max(dp[j][k],dp[j][k]=dp[j−第i个字符串中0的数量][k−第i个字符串中1的数量])
- 初始化
再看一眼递推公式,显然dp[j][k]的初始值不能太大,因为如果很大,那么dp[j][k]就不会变化了,递推没有意义。
初始值设置为dp[j][k]的最小值即可,即设置为0。 - 遍历顺序
从最后一层往上遍历,每一层中从右往左遍历。因为dp[j][k]
可能是被dp[j - x][k - y]
推导出来的,假如dp[j - x][k - y]
先被更新了,那么推导出来的dp[j][k]
很可能是错误的,因为dp[j][k]
依赖的dp[j - x][k - y]
被覆盖了。
为什么不用滚动数组的时候,无所谓遍历顺序呢?
因为不用滚动数组的时候,dp数组多了一个维度,将每一个状态都记录下来了,意思就是每一个值都能被找到。
用上面的例子来说,dp[i][j][k]
可能是被dp[i - 1][j - x][k - y]
推导出来的(i表示当前状态,i-1表示上一个状态),更新了dp[i][j - x][k - y]
,并不会覆盖dp[i - 1][j - x][k - y]
的值。
而使用滚动数组,只能记录当前状态,后面的值依赖前面的值。
class Solution {
public int findMaxForm(String[] strs, int m, int n) {
/**
* @description
* 1.dp数组含义
* dp[j][k]表示,可用0的上限为j,可用1的上线为k时,最大子集的长度为dp[j][k]
* 2.递推公式
* dp[j][k]=max{dp[j][k], dp[j-当前字符串中0的数量][k-当前字符串中1的数量] + 1}
* 3.初始化
*
* 4.遍历顺序
* j 从后往前遍历,k从后往前遍历
* @author ldz
* @date 2023/10/30 15:23
**/
int[][] dp = new int[m + 1][n + 1];
for (String str : strs) {
int[] zeroAndOne = countZeroAndOne(str);
for (int j = m; j >= zeroAndOne[0]; j--)
for (int k = n; k >= zeroAndOne[1]; k--)
dp[j][k] = Math.max(dp[j][k], dp[j - zeroAndOne[0]][k - zeroAndOne[1]] + 1);
}
return dp[m][n];
}
private int[] countZeroAndOne(String str) {
int[] cnt = new int[2];
for (char c : str.toCharArray()) {
cnt[c - '0']++;
}
return cnt;
}
}