第38天,动态规划part06,背包问题总结💪,编程语言:C++;
目录
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。