当前位置:   article > 正文

代码随想录算法训练营day42

代码随想录算法训练营day42

题目:1049. 最后一块石头的重量 II 、494. 目标和、474.一和零

参考链接:代码随想录

1049. 最后一块石头的重量 II

思路:本题石头是相互粉碎,粉碎后剩下的重量就是两块石头之差,我们可以想到,把石头分成两堆总重量分别为A和B,则这两堆相互粉碎后,剩下的就是这两堆的重量之差,我们需要使得这个差尽可能小,即把石头尽可能分为两部分,使得他们重量差最小。然后和01背包问题对应起来,物品的重量就是石头的重量stones[i],物品的价值也是石头的重量stones[i],背包的容量最大为重量和除以2,因为这样使背包尽可能装满,二者的差就会最小。dp五部曲:dp数组,dp[j]表示容量为j的背包能装的最大重量;递推公式,和之前一样,当i能装进去的时候,dp[j]=max(dp[j],dp[j-stones[i]]+stones[i]);dp初始化,首先全部初始化为0,和上题一样;遍历顺序,对物品从0-i遍历,但对背包容量需要从大到小遍历;举例略。时间复杂度O(mn),m为总重量。

class Solution {
public:
    int lastStoneWeightII(vector<int>& stones) {
        int sum=accumulate(stones.begin(),stones.end(),0);
        int target=sum/2;
        vector<int> dp(target+1,0);//初始化dp数组
        for(int i=0;i<stones.size();i++){
            for(int j=target;j>=0;j--){
                if(stones[i]<=j){
                    dp[j]=max(dp[j],dp[j-stones[i]]+stones[i]);
                }
            }
        }
        return sum-dp[target]*2;
    }
};
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16

关键在于如何把本题和01背包问题联系起来。

494. 目标和

思路:本题初看就是回溯法的组合总和,但是会超时。然后想想dp的方法,所有数前面只有+和-两种情况,我们设+的总和为x,则-的总和为sum-x,最后得到x-(sum-x)=2x-sum=target,故x=(sum+target)/2,我们把x当做背包容量,然后把x装满即可,需要求的是把容量为x的背包装满用的方法数量,其中weight和value都为nums。对x的计算,考虑取整问题,由于2x=sum+target,故sum和target必须奇偶性相同,如果不同则无解,直接排除,还有target的绝对值不可能大于sum,不然也无解,这两种情况都需要先排除。然后是方案的计算方法,本题也是一个元素只能放一次,故也是01背包问题,但是求解的东西不一样,01背包求的是最大价值,这里求的是方法数,故我们的dp数组需要有变化。五部曲:dp数组,dp[j]表示容量为j的背包装满的最大方法数;递推公式,还是和之前的方法思考,如果物品i不能最先放进去,那么就没有新的方法产生,方法数还是原来的dp[j],如果物品i可以先放进去,那么方法就需要在原有的基础上增加dp[j-nums[i]],故dp[j]+=dp[j-nums[i]];dp初始化,首先如果全部初始化为0,则递归后全部都是0,明显不符合,对于dp[0],不能初始化为0
只能初始化为1,即背包完全不放,也是一种方法,对其他dp[j],递推公式都是从dp[0]慢慢累加起来的,我们初始化为1;遍历顺序,和之前相同;举例,这种不好想的题目,还是得举例的,nums=[1,1,1,1,1],target=3,x=4,dp初始化为[1,0,0,0,0],当i=0时,dp由递推公式计算的[1,1,0,0,0],i=1时,[1,2,1,0,0],i=2时,[1,3,3,1,0],i=3时,[1,4,6,4,1],i=4时,[1,5,10,10,5],最终答案为5,符合。时间复杂度O(mn)。

class Solution {
public:
    int findTargetSumWays(vector<int>& nums, int target) {
        int sum=accumulate(nums.begin(),nums.end(),0);
        if((sum+target)%2==1||abs(target)>sum){
            return 0;
        }
        int x=(sum+target)/2;
        vector<int> dp(x+1,0);
        dp[0]=1;
        for(int i=0;i<nums.size();i++){
            for(int j=x;j>=0;j--){
                if(nums[i]<=j){
                    dp[j]+=dp[j-nums[i]];
                }
            }
        }
        return dp[x];
    }
};
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20

本题的几个重点,首先是根据每个元素放一次想到01背包问题,然后是将正负分开计算得出背包容量,这里类似上题的一分为二,只考虑一部分就是背包容量,最后是dp数组的定义,需要根据题目所求灵活设置。
本题的递推公式dp[j]+=dp[j-nums[i]]常用于求背包中方法数。

474.一和零

思路:本题初看一点想法都没有,只想到纯暴力方法,把所有子集列出来,再计算0和1的个数。直接看解答,首先要弄明白几种背包问题的区别。
在这里插入图片描述
strs里数组的元素就是物品,每个物品只有一个,m和n相当于一个背包,只不过这个背包有两个维度,即两个维度都不能超过容量,物品的weight也有两个维度,分别是0和1的数量,value可以全部认为是1,因为要求集合元素数最大。这里如果按照最初始的01背包问题,需要三维数组,这里我们还是压缩一维,使用二维数组。五部曲:dp数组,dp[i][j]表示背包中最多物品的数量,其中0的个数不超过i,1的个数不超过j;递推公式,设物品k中0和1的数量分别为zeroNum和oneNum,则如果物品k能先放进去背包时,dp[i][j]=max(dp[i][j],dp[i-zeroNum][j-oneNum]+1);初始化,对dp[0][0],物品数量为0,我们可以就全部初始化为0,这个和普通的01背包是一个意思;遍历顺序,从背包容量大到小遍历;举例略。时间复杂度O(kmn),k为strs长度。

class Solution {
public:
    int findMaxForm(vector<string>& strs, int m, int n) {
        vector<vector<int>> dp(m+1,vector<int>(n+1,0));//初始化全为0
        for(int k=0;k<strs.size();k++){
            int zeroNum=0,oneNum=0;
            for(char c:strs[k]){
                if(c=='0'){
                    zeroNum++;
                }
                if(c=='1'){
                    oneNum++;
                }
            }
            for(int i=m;i>=0;i--){
                for(int j=n;j>=0;j--){
                    if(zeroNum<=i&&oneNum<=j){
                        dp[i][j]=max(dp[i][j],dp[i-zeroNum][j-oneNum]+1);
                    }
                }
            }
        }
        return dp[m][n];
    }
};
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/IT小白/article/detail/715869
推荐阅读
相关标签
  

闽ICP备14008679号