@[TOC](python数据结构与算法练习-动态规划：0-1背包问题)

最后一块石头的重量 II（背包变形）

有一堆石头，用整数数组 stones 表示。其中 stones[i] 表示第 i 块石头的重量。

每一回合，从中选出任意两块石头，然后将它们一起粉碎。假设石头的重量分别为 x 和 y，且 x <= y。那么粉碎的可能结果如下：

如果 x == y，那么两块石头都会被完全粉碎；
如果 x != y，那么重量为 x 的石头将会完全粉碎，而重量为 y 的石头新重量为 y-x。
最后，最多只会剩下一块 石头。返回此石头 最小的可能重量 。如果没有石头剩下，就返回 0。

示例 1：

输入：stones = [2,7,4,1,8,1]
输出：1
解释：
组合 2 和 4，得到 2，所以数组转化为 [2,7,1,8,1]，
组合 7 和 8，得到 1，所以数组转化为 [2,1,1,1]，
组合 2 和 1，得到 1，所以数组转化为 [1,1,1]，
组合 1 和 1，得到 0，所以数组转化为 [1]，这就是最优值。

示例 2：

输入：stones = [31,26,33,21,40]
输出：5

示例 3：

输入：stones = [1,2]
输出：1

思路：

这里同样是0-1背包的变形：
其实题目可以简化理解为所有石头相互加减最后得到的最小值，那么怎么保证相互加减最小呢，比如我有一个背包，从石头堆挑石子，让背包里的石子和背包外的石子差值最小时候是不是背包里装的石子=背包外石子的重量=sum(stones) /2的时候呢，所以问题就转换为了从一堆商品中挑选物品怎么使价值最大的经典0-1背包问题，只不过此时背包的容量等于sum(stones) / 2。

python实现

class Solution:
    def lastStoneWeightII(self, stones: List[int]) -> int:
        s = int(sum(stones)/2)
        dp = [[0 for j in range(s+1)] for i in range(len(stones))]
        #初始化背包
        for i in range(len(stones)):
            dp[i][0] = 0
        for j in range(s+1):
            if j< stones[0]:
                dp[0][j] = 0
            else:
                dp[0][j] = stones[0]

        for i in range(1,len(stones)):
            for j in range(s+1):
                if j < stones[i]:
                    dp[i][j] = dp[i-1][j]
                else:
                    dp[i][j] = max(dp[i-1][j],dp[i-1][j-stones[i]]+stones[i])

        return abs(int(sum(stones)) - dp[len(stones)-1][s]- dp[len(stones)-1][s])

这里仅供自己复习使用，也欢迎批评指正。