1049. 最后一块石头的重量 II
题目:
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
提示:
1 <= stones.length <= 30
1 <= stones[i] <= 100
思路:
这个问题可以通过动态规划来解决。
可以将其视为一个子集划分问题,其中我们试图将石头分成两堆,使得两堆石头的重量差最小。通过这种方式,剩下的最小重量就等于两堆重量的差值。
动态规划思路:
-
定义状态: 我们定义
dp[j]
表示在可以达到的总重量为j
的情况下,是否可以通过某些石头的组合实现。 -
状态转移: 我们遍历每一块石头,并更新
dp
数组。对于每一个石头,我们可以选择要么将其加入当前的组合(即将其重量加入当前的总重量),要么不加入。因此,对于每一个石头
stone
,我们从背包容量j
从大到小进行遍历(j
必须大于等于stone
),并且更新dp[j]
:这里
or
表示我们可以选择当前石头或者不选择当前石头。 -
求解: 我们最终要找的是所有可以达到的总重量
sum
,并且我们要找到一个最接近sum/2
的总重量j
。在这种情况下,剩余的最小重量就是sum - 2 * j
。 -
初始化: 初始时,
dp[0] = true
,表示可以用 0 重量的组合(即没有石头)来达到 0 重量。 -
返回值: 返回
sum - 2 * j
的最小值,其中j
是所有dp[j]
为true
的最大值且j <= sum/2
。
上代码:
class Solution {
public:
int lastStoneWeightII(vector<int>& stones) {
int sum = accumulate(stones.begin(), stones.end(), 0);
int target = sum / 2;
vector<bool> dp(target + 1, false);
dp[0] = true;
for (int stone : stones) {
for (int j = target; j >= stone; --j) {
dp[j] = dp[j] || dp[j - stone];
}
}
for (int j = target; j >= 0; --j) {
if (dp[j]) {
return sum - 2 * j;
}
}
return 0;
}
};
494. 目标和
题目:
给你一个非负整数数组 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 :
- 例如,
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
思路:
这个问题可以转换为一个子集和问题,并通过动态规划来解决。我们需要将数组划分为两个子集,使得一个子集的和为 P,另一个子集的和为 N。问题的目标是找到这样的 P 和 N,使得 P−N=target。
-
转换问题:
给定的数组总和为 sum,则有: P + N = sum 和: P - N = target
通过这两个公式,我们可以推导出: 2P = target + sum P = (target + sum) / 2
因此,问题就变成了在数组中找到一个子集,使其和为 P。
-
检查可行性:
为了使得 P 是一个有效的子集和,必须满足以下条件:
- target + sum 必须是偶数。
- P 必须是非负整数(即 P >= 0)。
如果不满足这些条件,则返回 0。
-
定义状态:
我们定义 dp[j] 表示从数组中选择一些元素,其和恰好为 j 的不同组合数。
-
状态转移:
遍历数组 nums,对于每个元素 num,我们更新 dp 数组,从后往前遍历: dp[j] = dp[j] + dp[j - num] 这里,dp[j] 的更新是因为我们可以选择 num 来构造和为 j 的组合,或者不选择它。
-
初始化:
初始时,dp[0] = 1,表示和为 0 的组合数为 1(即不选择任何元素)。
-
返回值:
最终,我们返回 dp[P],它代表了构造出和为 P 的不同组合数。
上代码:
class Solution {
public:
int findTargetSumWays(vector<int>& nums, int target) {
int sum = accumulate(nums.begin(), nums.end(), 0);
if ((target + sum) % 2 != 0 || sum < abs(target)) {
return 0;
}
int P = (target + sum) / 2;
vector<int> dp(P + 1, 0);
dp[0] = 1;
for (int num : nums) {
for (int j = P; j >= num; --j) {
dp[j] += dp[j - num];
}
}
return dp[P];
}
};
474.一和零
题目:
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
思路:
这个问题可以看作是一个二维的 0/1 背包问题,在一个二维数组中,我们既要考虑 0 的数量限制,也要考虑 1 的数量限制。
动态规划思路:
-
定义状态: 我们定义
dp[i][j]
表示在最多有i
个 0 和j
个 1 的情况下,可以选择的最大子集的大小。 -
状态转移: 遍历每一个字符串
str
,计算其包含的 0 和 1 的数量zeros
和ones
,然后更新动态规划数组dp
。对于每一个str
,从背包容量m
和n
开始反向遍历,更新dp
数组:这里,
dp[i][j]
的更新是因为我们可以选择str
来增加当前集合的大小,或者不选择它。 -
初始化:
dp[0][0]
初始化为 0,表示在没有 0 和 1 的情况下,最大子集的大小为 0。 -
返回值: 最终,
dp[m][n]
就是我们要求的答案,表示在最多有m
个 0 和n
个 1 的情况下,能够选择的最大子集的大小。
上代码:
class Solution {
public:
int findMaxForm(vector<string>& strs, int m, int n) {
vector<vector<int>> dp(m + 1, vector<int>(n + 1, 0));
for (const string& str : strs) {
int zeros = count(str.begin(), str.end(), '0');
int ones = str.size() - zeros;
for (int i = m; i >= zeros; --i) {
for (int j = n; j >= ones; --j) {
dp[i][j] = max(dp[i][j], dp[i - zeros][j - ones] + 1);
}
}
}
return dp[m][n];
}
};