最后一个块石头的重量||
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。
思路:可以将所有的石头尽量分成重量近似相等的两堆,这样碰撞之后剩下的石头的重量就回事最小的,本题可以抽象成0-1背包:物品就是所有的石头,背包的容量就是sum/2
二维dp数组
- dp[i][j]的含义:对于前i个物品,容量为j的背包,可以装的最大价值为dp[i][j]
- 递推公式:dp[i][j] = Math.max(dp[i-1][j],dp[i-1][j-stones[i-1]]+stones[i-1]
- dp数组的初始化:dp[i][0] = 0,dp[0][j] = 0
- 遍历顺序:先遍历物品(从小大到),后遍历背包(从小到大)
- 打印dp数组:debug使用
class Solution {
public int lastStoneWeightII(int[] stones) {
int sum = 0;
for(int i : stones){
sum += i;
}
// 物品
int N = stones.length;
// 背包
int target = sum / 2;
int[][] dp = new int[N+1][target+1];
for(int i = 1;i<=N;i++){
for(int j = 1;j<=target;j++){
if(j < stones[i-1]){
dp[i][j] = dp[i-1][j];
}else{
dp[i][j] = Math.max(dp[i-1][j],dp[i-1][j-stones[i-1]]+stones[i-1]);
}
}
}
// dp[N][target]是实际上最后背包的最大价值,不一定等于target,所有下面计算的时候需要使用dp[N][target]而不是target
// 为什么不需要取绝对值,因为target的取值是向下取整的,所有sum-target 一定大于 target
return sum - dp[N][target] - dp[N][target];
}
}
一维dp数组
- dp[j]的含义:当背包容量为j的时候,能够装的最大价值为dp[j]
- 递推公式:dp[j] = Math.max(dp[j],dp[j-stones[i]]+stones[i])
- dp数组的初始化:dp[0] = 0
- 遍历顺序:先遍历物品(从小到大),在遍历背包(从大到小)
- 打印dp数组
class Solution {
public int lastStoneWeightII(int[] stones) {
int sum = 0;
for(int i : stones){
sum += i;
}
int target = sum / 2;
int[] dp = new int[target + 1];
dp[0] = 0;
for(int i = 0;i<stones.length;i++){
for(int j = target;j>=stones[i];j--){
dp[j] = Math.max(dp[j],dp[j-stones[i]]+stones[i]);
}
}
return sum - dp[target] - dp[target];
}
}
目标和
题目: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 :
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
二维数组
思路:我们假设将nums数组分成两个集合,一个集合A全是’+‘,集合B全是’-',那么就有如下的公式
然后我们就需要求sum(A)的组合有多少就可以了
- dp[i][j]的含义:对于前i个数,选择任意的数的和为j,总共有dp[i][j]种方式
- 递推公式:dp[i][j] = dp[i-1][j] + dp[i-1][j-nums[i]],这里需要求总共有多少种方式,所以需要加上以前的
- dp数组的初始化:dp[0][0] = 1,因为对于0个数字,表达式的和为0,总共有1一种方式;不能初始化为0,因为根据递推公式来看,后面的值依赖前面的值,如果初始化为0的话,那么后面的所有的值都会是0
- 遍历顺序:先遍历物品(从小到大),后遍历背包(从小到大)
- 打印dp数组
class Solution {
public int findTargetSumWays(int[] nums, int target) {
int n = nums.length;
int sum = 0;
for(int i : nums){
sum+=i;
}
if(target < 0 && (sum + target) < 0) return 0;
if((sum + target) % 2 != 0) return 0;
int w = (sum + target) / 2;
int[][] dp = new int[n+1][w+1];
dp[0][0] = 1;
for(int i = 1;i<=n;i++){
for(int j = 0;j<=w;j++){
if(j < nums[i-1]){
dp[i][j] = dp[i-1][j];
}else{
dp[i][j] = dp[i-1][j] + dp[i-1][j-nums[i-1]];
}
}
}
return dp[n][w];
}
}
一维数组
- dp[j]的含义:填满容量为j的背包的方法有dp[j]种
- 递推公式:dp[j] += dp[j-nums[i]]
- dp数组初始化:dp[0] = 1
- 遍历顺序:先遍历物品(从小到大),后遍历背包(从大到小)
- 打印dp数组
class Solution {
public int findTargetSumWays(int[] nums, int target) {
int n = nums.length;
int sum = 0;
for(int i : nums){
sum+=i;
}
// 如果和为奇数,就不能平分,就不可能存在表达式加起来等于target
if((sum + target) % 2 == 1) return 0;
// 数组的和小于target的绝对值的时候也不会有方案
if(sum < Math.abs(target)) return 0;
int w = (sum + target) / 2;
int[] dp = new int[w+1];
dp[0] = 1;
for(int i = 0;i<n;i++){
for(int j = w;j>=nums[i];j--){
// 这里为什么没有+nums[i]了,因为我们求的是方法数,如果选择当前物品i,那么总共的方案就取决于j-nums[i]的方案有多少,而不是背包的价值,只有在求价值的时候才需要加上
dp[j] += dp[j-nums[i]];
}
}
return dp[w];
}
}
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 。
思路:本题同样可以抽象成0-1背包的问题,物品就是strs数组中的元素,背包容量就是m个0和n个1,只是本题的背包容量存在两个维度
- dp[i][j]的含义:有i个0和j个1的最大长度的子集(背包)的长度是dp[i][j]
- 递推公式:dp[i][j] = Math.max(dp[i][j],dp[i-zeroNum][j-oneNum]+1)
- 为什么这里是+1,而不是之前的+nums[i],因为本题求的个数,而不是最大价值,所有固定+1
- dp数组初始化:dp[0][0] = 0
- 遍历顺序:先遍历物品(从小到大),后遍历背包(从大到小)
- 打印dp数组
class Solution {
public int findMaxForm(String[] strs, int m, int n) {
int[][] dp = new int[m+1][n+1];
dp[0][0] = 0;
// 填充dp数组
for(String str : strs){// 遍历物品
// 统计每个字符串中的0 和 1 分别有多少个
int zeroNum = 0,oneNum = 0;
for(int i = 0;i<str.length();i++){
if(str.charAt(i) == '0'){
zeroNum++;
}else{
oneNum++;
}
}
// 遍历背包
for(int i = m;i>=zeroNum;i--){
for(int j = n;j>=oneNum;j--){
// 这里+1,就相当于+nums[i],只是这里要求的不是价值,而是个数,所有固定+1
dp[i][j] = Math.max(dp[i][j],dp[i-zeroNum][j-oneNum]+1);
}
}
}
return dp[m][n];
}
}