打卡第43天,01背包应用。
- 1049.最后一块石头的重量 II
- 494.目标和
- 474.一和零
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:
x == y
,那么两块石头都会被完全粉碎;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
提示:
1 <= stones.length <= 30
1 <= stones[i] <= 100
题目求石头 最小的可能重量 ,就是尽量让石头分成重量相同的两堆,相撞之后剩下的石头最小,这样就化解成01背包问题了。
求全部石头的一半重量的最大价值(这里的价值跟重量一样),本意是分成两堆大小尽可能的石头,所以递推公式: d p [ j ] = m a x ( d p [ j ] , d p [ j − s t o n e s [ i ] ] + s t o n e s [ i ] ) ; dp[j] = max(dp[j], dp[j - stones[i]] + stones[i]); dp[j]=max(dp[j],dp[j−stones[i]]+stones[i]); 当前这个石头取或不取 求最大价值。
二维数组dp
利用滚动数组:递推公式 d p [ j ] = m a x ( d p [ j ] , d p [ j − s t o n e s [ i ] ] + s t o n e s [ i ] ) ; dp[j] = max(dp[j], dp[j - stones[i]] + stones[i]); dp[j]=max(dp[j],dp[j−stones[i]]+stones[i]);
class Solution {
public:
int lastStoneWeightII(vector<int>& stones) {
int sum = 0;
for(int stone : stones) sum += stone;
int target = sum / 2;
vector<int> dp(target + 1, 0);
for(int i = stones[0]; i <= target; i++) dp[i] = stones[0]; //初始化
for(int i = 1; i < stones.size(); i++) {
for(int j = target; j >= stones[i]; j--) {
dp[j] = max(dp[j], dp[j - stones[i]] + stones[i]); // 递推公式
}
}
return sum - 2 * dp[target];
}
};
给你一个整数数组 nums
和一个整数 target
。
向数组中的每个整数前添加 '+'
或 '-'
,然后串联起所有整数,可以构造一个 表达式 :
nums = [2, 1]
,可以在 2
之前添加 '+'
,在 1
之前添加 '-'
,然后串联起来得到表达式 "+2-1"
。返回可以通过上述方法构造的、运算结果等于 target
的不同 表达式 的数目。
示例 1:
输入:nums = [1,1,1,1,1], target = 3
输出:5
解释:一共有 5 种方法让最终目标和为 3 。
-1 + 1 + 1 + 1 + 1 = 3
+1 - 1 + 1 + 1 + 1 = 3
+1 + 1 - 1 + 1 + 1 = 3
+1 + 1 + 1 - 1 + 1 = 3
+1 + 1 + 1 + 1 - 1 = 3
示例 2:
输入:nums = [1], target = 1
输出:1
提示:
1 <= nums.length <= 20
0 <= nums[i] <= 1000
0 <= sum(nums[i]) <= 1000
-1000 <= target <= 1000
class Solution {
public:
int cnt = 0;
void backtracking(vector<int>& nums, int size, int target) {
if(size >= nums.size()) {
if(target == 0) cnt++;
return ;
}
target -= nums[size];
size++;
backtracking(nums, size, target);
size--;
target += nums[size];
target += nums[size];
size++;
backtracking(nums, size, target);
size--;
target -= nums[size];
}
int findTargetSumWays(vector<int>& nums, int target) {
backtracking(nums, 0, target);
return cnt;
}
};
动态规划:(目标值 + 和)/ 2 = 公式全部正数dpNum,用这个公式求出正数,然后动态规划,找出是否有整数和等于dpNum。
例如:dp[j],j 为5,
已经有一个1(nums[i]) 的话,有 dp[4]种方法 凑成 容量为5的背包。
已经有一个2(nums[i]) 的话,有 dp[3]种方法 凑成 容量为5的背包。
已经有一个3(nums[i]) 的话,有 dp[2]中方法 凑成 容量为5的背包
已经有一个4(nums[i]) 的话,有 dp[1]中方法 凑成 容量为5的背包
已经有一个5 (nums[i])的话,有 dp[0]中方法 凑成 容量为5的背包
d p [ j ] + = d p [ j − n u m s [ i ] dp[j] += dp[j - nums[i] dp[j]+=dp[j−nums[i]
3. 初始化
dp[0] = 1; dp[0]是在公式中一切递推结果的起源,如果dp[0]是0的话,递推结果将都是0。
4. 确定遍历顺序
nums放在外循环,target在内循环,且内循环倒序。
5. 举例推导dp数组
class Solution {
public:
int findTargetSumWays(vector<int>& nums, int target) {
// 分两半 一半正数,一半负数 正数 + 负数 = 目标值 和 = 正数 - 负数 目标值 + 和 = 2 * 正数
int sum = 0;
for(int num : nums) sum += num;
if((sum + target) % 2 == 1 || abs(target) > sum) return 0;
int dpNum = (sum + target) / 2;
vector<int> dp(dpNum + 1, 0);
dp[0] = 1;
for(int i = 0; i < nums.size(); i++) {
for(int j = dpNum; j >= nums[i]; j--) {
dp[j] += dp[j - nums[i]];
// printf("%d ", dp[j]);
}
// printf("\n");
}
return dp[dpNum];
}
};
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 。
示例 1:
输入:strs = ["10", "0001", "111001", "1", "0"], m = 5, n = 3
输出:4
解释:最多有 5 个 0 和 3 个 1 的最大子集是 {"10","0001","1","0"} ,因此答案是 4 。
其他满足题意但较小的子集包括 {"0001","1"} 和 {"10","1","0"} 。{"111001"} 不满足题意,因为它含 4 个 1 ,大于 n 的值 3 。
示例 2:
输入:strs = ["10", "0", "1"], m = 1, n = 1
输出:2
解释:最大的子集是 {"0", "1"} ,所以答案是 2 。
提示:
1 <= strs.length <= 600
1 <= strs[i].length <= 100
strs[i]
仅由 '0'
和 '1'
组成1 <= m, n <= 100
确定dp数组以及下标的定义
dp[i][j]:最多有i个0和j个1的str的最大子集的大小dp[i][j]。
递推公式
dp[i][j] 可以由前一个strs里的字符串推导出来,strs里的字符串有zeroNum个0,oneNum个1。
dp[i][j] 就可以是 dp[i - zeroNum][j - oneNum] + 1。
然后我们在遍历的过程中,取dp[i][j]的最大值。
所以递推公式:dp[i][j] = max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1);
此时大家可以回想一下01背包的递推公式:dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);
初始化
因为物品价值不会是负数,初始为0,保证递推的时候dp[i][j]不会被初始值覆盖。
遍历顺序
for循环遍历物品,内层for循环遍历背包容量且从后向前遍历!
class Solution {
public:
int findMaxForm(vector<string>& strs, int m, int n) {
vector<vector<int>> dp(m + 1, vector<int> (n + 1, 0)); // 默认初始化0
for (string str : strs) { // 遍历物品
int oneNum = 0, zeroNum = 0;
for (char c : str) {
if (c == '0') zeroNum++;
else oneNum++;
}
for (int i = m; i >= zeroNum; i--) { // 遍历背包容量且从后向前遍历!
for (int j = n; j >= oneNum; j--) {
dp[i][j] = max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1);
}
}
}
return dp[m][n];
}
};