Studying-代码随想录训练营day38| 322.零钱兑换、279.完全平方数、139.单词拆分、多重背包、背包问题总结

yachihaoteng

于 2024-07-14 21:56:00 发布

阅读量612

点赞数 31

文章标签：动态规划算法 c++ leetcode 数据结构

本文链接：https://blog.csdn.net/yachihaoteng/article/details/140422798

版权

第38天，动态规划part06，背包问题总结💪，编程语言：C++;

322.零钱兑换

文档讲解：代码随想录零钱兑换

视频讲解：手撕零钱兑换

题目：力扣题目链接

学习：本题要求的是最少硬币数，属于组合问题，与零钱兑换II相同也可以使用回溯算法求解。不同在于本题要找的是，最少硬币数量。

从动规五部曲出发分析：

1.确定dp数组以及下标含义：本题要求最少硬币数，因此我们定义dp[j]表示组成总额为j所需要的最少硬币数。

2.确定递推公式：dp[j]能够从dp[j-coint[i]]推出，且要最小值，因此dp[j] = min(dp[j - coins[i]] + 1, dp[j])。

3.dp数组初始化：首先要求最小值，因此我们需要把除0以外的值初始化为最大值（INT_MAX)。dp[0]初始化为0，代表组成0的硬币数量为0个。

4.确定遍历顺序，本题求的是硬币的数量，和排列，组合都没关系，因此本题采用哪种遍历方式都可以。

5.举例推导dp数组：

代码：

//时间复杂度O(n*amount)
//空间复杂度O(amount)
class Solution {
public:
    int coinChange(vector<int>& coins, int amount) {
        //完全背包问题
        //1.确定dp数组以及下标含义
        //初始化为INT_MAX-1是因为后面存在+1的行为
        vector<int> dp(amount + 1, INT_MAX - 1); //dp[j]表示总和为j的情况下硬币数量的最少值
        //2.确定递推公式：dp[j] = min(dp[j - coins[i]] + 1, dp[j]);
        //3.数组初始化
        dp[0] = 0;
        //4.确定遍历顺序
        for(int i = 0; i < coins.size(); i++) {
            for(int j = coins[i]; j <= amount; j++) {
                dp[j] = min(dp[j - coins[i]] + 1, dp[j]);
            }
        }
        return dp[amount] == INT_MAX - 1 ? -1 : dp[amount];
    }
};

279.完全平方数

文档讲解：代码随想录完全平方数

视频讲解：手撕完全平方数

题目：力扣题目链接

学习：本题给出了一个量的限制，总和为n。并且给的例子中，也能够重复使用各种平方数。看起来能够使用完全背包的方法。

但本题最重要的是找出”物品”数组，本题的物品数组并没有直接给出，但举出了部分1，4，9......等，仔细分析，这些物品的边界在哪？

对于n来说，如果能找到某个数m*m = n，则显然，能够组成和为n的完全平方数的最少数量为1，也即n本身。但如果n再大一些，或者小一些，无法找到直接的m，则我们就需要从小的完全平方数加和得到n。因此我们可以推导出，物品的边界就为 i * i <= n。

从动规五部曲出发分析：

1.确定dp数组以及下标的含义：要求最少数量，因此我们可以设定dp[j]表示为组合为j的完全平方数的最少数量。

2.确定递推公式，dp[j]能够从dp[j - i*i]得到，又要最小值，因此dp[j] = min(dp[j], dp[j - i*i] + 1)。

3.初始化dp数组，与上一题零钱兑换一样，为了求得最小值，我们需要先把除0以外的数，初始化为最大值。dp[0]初始化为0，表示组成0的个数为0个。

4.确定遍历顺序，本题也是求数的数量，和组合排序没有关系，因此选择哪种遍历方式都可以。

5.举例推导dp数组：

代码：

//时间复杂度O(n*根号n)
//空间复杂度O(n)
class Solution {
public:
    int numSquares(int n) {
        //1.确定dp数组以及下标含义
        vector<int> dp(n + 1, INT_MAX - 1); //dp[j], n = j时，和为n的完全平方数的最少数量
        //2.确定递推公式：dp[j] = min(dp[j], dp[j - i*i] + 1);
        //3.初始化dp数组
        dp[0] = 0;
        //确定遍历顺序
        for(int i = 1; i*i <= n; i++) { //遍历物品
            for(int j = i*i; j <= n; j++) {
                dp[j] = min(dp[j], dp[j - i*i] + 1);
            }
        }
        return dp[n];
    }
};

139.单词拆分

文档讲解：代码随想录单词拆分

视频讲解：手撕单词拆分

题目：力扣题目链接

学习：本题实际上物品和背包都给了我们，但是难点在于对应于背包的字符串，需要我们进行拆分比较。当然本题也可以采用回溯算法，来进行暴力求解。

本题的难点在于如果拆分字符串s来完成对“物品”的比较。

首先我们拆分字符串可以采用substr()函数。拆分的方法为，如果当前遍历的是word[i]，则我们应该拆分出不同的长度与word[i]一样的字符串进行比较，则应该是是s.substr(j - word[i].size(), word[i].size())。两个参数分别表示了拆的位置和拆出的字符串的长度。这里要注意一般的题目来说，应该是j - word[i].size() + 1。但本题实际定义的dp数组的容量是s.size() + 1的，这是为了满足dp[j]的含义，因此对于字符串来说j是自带+1的，可以从实际的模拟中体会出来。

确定了如何拆分字符串，我们就可以从动规五部曲出发进行分析：

1.确定dp数组以及下标的含义：dp数组的建立一定要从题目的需求出发，背包问题不能死板，它只是给出了一种解题的思路。因此本题需要判断字符串能否由字典中的字符组成，因此本题dp[j]表示字符串s从[0-j]的字母是否能否由字典中的字符串组成。

2.确定递推公式：显然dp[j]能够从dp[j - word[i].size()) 和 s.substr(j - word[i].size() + 1, j)与word[i]的关系中得出，因此递推公式为：dp[j] = dp[j] || (dp[j - wordDict[i].size()] && (wordDoct[i] == s.substr(j - wordDict[i].size() + 1, j))。

3.初始化dp数组：显然我们初始要把除0以外的dp数组初始化为false。dp[0]初始化为true，这个地方其实是满足于递推公式，没有实际的含义，也可以理解为空字符串就是有字典中的空字符串组成的。

4.确定遍历顺序，本题需要注意，本题看似无关组合和排序，但实际上是有影响的。以题目给的示例2为例，如果是组合的话，也就是先物品再背包的话，我们只能遍历出apple + apple + pen的情况，显然是不能够组成applepenapple的，但实际上我们应该返回的是true。这就在于组合的遍历顺序导致的。因此我们要找到apple + pen + apple的排列方式，其实也是为了遍历所有的可能的排列方式，本题需要采用先背包再物品的方式进行遍历。（由此也能够看出事实上，先背包再物品的方式，遍历了所有可能性，时间复杂度理论上也会更高一些）

5.举例推导dp数组：

代码：

//时间复杂度O(n^3),因为substr返回子串的副本是O(n)的复杂度
//空间复杂度O(n)
class Solution {
public:
    bool wordBreak(string s, vector<string>& wordDict) {
        //1.确定dp数组以及下标含义
        vector<bool> dp(s.size() + 1, false); //dp[j]表示字符串j个字符能否被字典内的元素组合完成
        //2.确定递推公式：dp[j] = dp[j - wordDict[i].size()] && (wordDoct[i] == s.substr(j - wordDict[i].size() + 1, j))
        //3.初始化dp数组
        dp[0] = true;
        //4.确定遍历顺序
        for(int j = 1; j <= s.size(); j++) { //遍历背包
            for(int i = 0; i < wordDict.size(); i++) { //后遍历物品
                if(j >= wordDict[i].size()) {
                    string str = s.substr(j - wordDict[i].size(), wordDict[i].size());
                    dp[j] = dp[j] || (dp[j - wordDict[i].size()] && (wordDict[i] == str));
                }
            }
        }
        return dp[s.size()];
    }
};

多重背包

文档讲解：代码随想录多重背包

多重背包问题指的是：有N种物品和一个容量为V 的背包。第i种物品最多有Mi件可用，每件耗费的空间是Ci ，价值是Wi 。求解将哪些物品装入背包可使这些物品的耗费的空间总和不超过背包容量，且价值总和最大。

乍一看本题和完全背包和0-1背包不同，又要考虑数量又要考虑容量很麻烦。但实际却不是如此。

多重背包问题可以拆解为0-1背包问题，也即每件物品最多有Mi件可用，把Mi件摊开，其实就是一个01背包问题了。例如：

摊开就可以得到：

之后就可以采用0-1背包的方法来进行求解。

卡玛网56. 携带矿石资源：

题目：卡玛网链接

学习：本题最重要的是对物品数量的处理，我们可以采取先遍历物品再遍历背包的方式，同时在遍历背包的时候，再增加一个循环，对数量进行遍历。

代码：

//时间复杂度O(m*n*k)
#include<iostream>
#include<vector>
using namespace std;
int main() {
    int bagWeight,n;
    cin >> bagWeight >> n;
    vector<int> weight(n, 0);
    vector<int> value(n, 0);
    vector<int> nums(n, 0);
    for (int i = 0; i < n; i++) cin >> weight[i];
    for (int i = 0; i < n; i++) cin >> value[i];
    for (int i = 0; i < n; i++) cin >> nums[i];

    vector<int> dp(bagWeight + 1, 0);

    for(int i = 0; i < n; i++) { // 遍历物品
        for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
            // 以上为01背包，然后加一个遍历个数
            for (int k = 1; k <= nums[i] && (j - k * weight[i]) >= 0; k++) { // 遍历个数
                dp[j] = max(dp[j], dp[j - k * weight[i]] + k * value[i]);
            }
        }
    }

    cout << dp[bagWeight] << endl;
}

多重背包问题一般不会考察，了解即可。

背包问题总结

文档讲解：背包问题总结

常见的几种背包问题的关系：

背包的递推公式：

问能否能装满背包（或者最多装多少）：dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]); ，对应题目如下：

416.分割等和子集：416. 分割等和子集 - 力扣（LeetCode）
1049.最后一块石头的重量II：1049. 最后一块石头的重量 II - 力扣（LeetCode）

问装满背包有几种方法：dp[j] += dp[j - nums[i]] ，对应题目如下：

494.目标和：494. 目标和 - 力扣（LeetCode）
518.零钱兑换II：518. 零钱兑换 II - 力扣（LeetCode）
377.组合总和IV：377. 组合总和 Ⅳ - 力扣（LeetCode）
70.爬楼题进阶版：57. 爬楼梯（第八期模拟笔试） (kamacoder.com)

问背包装满最大价值：dp[j] = max(dp[j], dp[j - weight[i]] + value[i]); ，对应题目如下：

474.一和零：474. 一和零 - 力扣（LeetCode）
纯背包问题

问装满背包所有物品的最小个数：dp[j] = min(dp[j - coins[i]] + 1, dp[j]); ，对应题目如下:

322.零钱兑换：322. 零钱兑换 - 力扣（LeetCode）
279.完全平方数：279. 完全平方数 - 力扣（LeetCode）

其他的还有139.拆分字符串这种，需要特定问题特定分析的。总结就是要牢记从问题的需求出发。

遍历顺序

0-1背包：一维dp数组的背包在遍历顺序上和二维dp数组实现的01背包其实是有很大差异的，大家需要注意！

二维dp数组01背包先遍历物品还是先遍历背包都是可以的，且第二层for循环是从小到大遍历，当然从大到遍历也可以，因为它使用的是上方和左上方的值。
一维dp数组01背包只能先遍历物品再遍历背包容量，且第二层for循环是从大到小遍历。

完全背包：

一维dp数组实现，先遍历物品还是先遍历背包都是可以的，且第二层for循环是从小到大遍历。（用二维也能够实现，使用的是左边和上方的值）
如果求组合数就是外层for循环遍历物品，内层for遍历背包。
如果求排列数就是外层for遍历背包，内层for循环遍历物品。

总结：背包问题主要是要找到递推公式，弄清楚遍历顺序。通过不同的题型加强对背包问题的认识。

yachihaoteng

关注

31
点赞
踩
13

收藏

觉得还不错? 一键收藏
0
评论
Studying-代码随想录训练营day38| 322.零钱兑换、279.完全平方数、139.单词拆分、多重背包、背包问题总结

322.零钱兑换、279.完全平方数、139.单词拆分、多重背包、背包问题总结
复制链接

扫一扫

Studying-代码随想录训练营day38| 322.零钱兑换、279.完全平方数、139.单词拆分、多重背包、背包问题总结

322.零钱兑换

279.完全平方数

139.单词拆分

多重背包

卡玛网56. 携带矿石资源：

背包问题总结

背包的递推公式：

遍历顺序

“相关推荐”对你有帮助么？