Day40——Dp专题

桃扇骨 2024-03-31 15:46 68阅读 0赞

#### 文章目录 ####

*   *  三、01背包
     *   *  8.分割等和子集
         *  9.最后一块石头的重量 II
         *  10.目标和
         *  11. 一和零

--------------------

### 三、01背包 ###

#### 8.分割等和子集 ####

题目链接：[416. 分割等和子集 - 力扣（LeetCode）][416. _ - _LeetCode]

**思路**：我们构造两个子集使得两个子集的和相等，其实就是让我们构造其中一个子集的和是否等于sum / 2，若存在说明能分割等和子集。如果sum为奇数，是不能分割等和子集的。

换句话说，题目就是让我们从`nums[]`中选择一些物品，使得物品的总和恰好为target(sum / 2)，为此可以转化为01背包问题

**递归五部曲**

*  **确定dp数组以及下标含义**

dp\[j\]表示 背包总容量（所能装的总重量）是j，放进物品后，背的最大重量为dp\[j\]

*  **确定递推公式**

01背包的递推公式为：dp\[j\] = max(dp\[j\], dp\[j - weight\[i\]\] + value\[i\]);

本题，相当于背包里放入数值，那么物品i的重量是nums\[i\]，其价值也是nums\[i\]。

所以递推公式：dp\[j\] = max(dp\[j\], dp\[j - nums\[i\]\] + nums\[i\]);

*  **dp数组初始化**

从dp\[j\]的定义来看，首先dp\[0\]一定是0，这样才能让dp数组在递归公式的过程中取的最大的价值，而不是被初始值覆盖了

*  **确定遍历顺序**

如果使用一维dp数组，物品遍历的for循环放在外层，遍历背包的for循环放在内层，且内层for循环倒序遍历！

*  **打印举例dp数组**

![image-20221206104953909][]

**Code**

一维

class Solution {
        
        public boolean canPartition(int[] nums) {
        
            if(nums == null || nums.length == 0) return false;
            int n = nums.length;
            int sum = 0;
            for(int num : nums){
        
                sum += num;
            }
    
            if(sum % 2 != 0) return false;
            int target = sum/2;
            int[] dp = new int[target+1];
            for(int i = 0; i < n; i++){
        
                for(int j = target; j >= nums[i]; j--){
        
                    dp[j] = Math.max(dp[j],dp[j-nums[i]] + nums[i]);
                }
            }
            return dp[target] == target;
        }
    }

二维

class Solution {
        
        public boolean canPartition(int[] nums) {
        
            int sum = 0;
            for (int i = 0; i < nums.length; i++) {
        
                sum += nums[i];
            }
    
            if (sum % 2 == 1)
                return false;
            int target = sum / 2;
    
            //dp[i][j]代表可装物品为0-i，背包容量为j的情况下，背包内容量的最大价值
            int[][] dp = new int[nums.length][target + 1];
    
            //初始化,dp[0][j]的最大价值nums[0](if j > weight[i])
            //dp[i][0]均为0，不用初始化
            for (int j = nums[0]; j <= target; j++) {
        
                dp[0][j] = nums[0];
            }
    
            //遍历物品，遍历背包
            //递推公式:
            for (int i = 1; i < nums.length; i++) {
        
                for (int j = 0; j <= target; j++) {
        
                    //背包容量可以容纳nums[i]
                    if (j >= nums[i]) {
        
                        dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - nums[i]] + nums[i]);
                    } else {
        
                        dp[i][j] = dp[i - 1][j];
                    }
                }
            }
    
            return dp[nums.length - 1][target] == target;
        }
    }

#### 9.最后一块石头的重量 II ####

题目链接：[1049. 最后一块石头的重量 II - 力扣（LeetCode）][1049. _ II - _LeetCode]

**思路：两个两个集合总和越平均越好，即尽量接近于各占一半**

状态计算：`f[j] = max(f[j], f[j - stones[i]] + stones[i])`

最后一块石头的的最小重量：`sum - 2 * f[half]`

**动规五部曲：**

*  **确定dp数组以及下标的含义**

dp\[j\]表示容量（这里说容量更形象，其实就是重量）为j的背包，最多可以背最大重量为dp\[j\]

相对于 01背包，本题中，石头的重量是 stones\[i\]，石头的价值也是 stones\[i\] ，可以 “最多可以装的价值为 dp\[j\]” == “最多可以背的重量为dp\[j\]”

*  **确定递推公式**

本题中 `f[j] = max(f[j], f[j - stones[i]] + stones[i])`

*  **dp数组初始化**

dp\[j\]都初始化为0就可以了，这样在递归公式dp\[j\] = max(dp\[j\], dp\[j - stones\[i\]\] + stones\[i\]);中dp\[j\]才不会初始值所覆盖，dp数组的大小为`target = sum/2 + 1`

*  **确定遍历顺序**

如果使用一维dp数组，物品遍历的for循环放在外层，遍历背包的for循环放在内层，且内层for循环倒序遍历！

*  **打印并举例dp数组**

![image-20221206113829022][]

最后dp\[target\]里是容量为target的背包所能背的最大重量。

那么分成两堆石头，一堆石头的总重量是dp\[target\]，另一堆就是sum - dp\[target\]。

**在计算target的时候，target = sum / 2 因为是向下取整，所以sum - dp\[target\] 一定是大于等于dp\[target\]的**。

那么相撞之后剩下的最小石头重量就是 (sum - dp\[target\]) - dp\[target\]。

**Code**

一维

class Solution {
        
        public int lastStoneWeightII(int[] stones) {
        
            int sum = 0;
            int n = stones.length;
            for(int i : stones){
        
                sum += i;
            }
            int target = sum >> 1;
            int[] dp = new int [target+1];
            for(int i = 0; i < n; i++){
        
                for(int j = target; j >= stones[i]; j--){
        
                    dp[j] = Math.max(dp[j],dp[j - stones[i]] + stones[i]);
                }
            }
            return sum - 2*dp[target];
        }
    }

二维

class Solution {
        
        public int lastStoneWeightII(int[] stones) {
        
            int sum = 0;
            for (int s : stones) {
        
                sum += s;
            }
    
            int target = sum / 2;
            //初始化，dp[i][j]为可以放0-i物品，背包容量为j的情况下背包中的最大价值
            int[][] dp = new int[stones.length][target + 1];
            //dp[i][0]默认初始化为0
            //dp[0][j]取决于stones[0]
            for (int j = stones[0]; j <= target; j++) {
        
                dp[0][j] = stones[0];
            }
    
            for (int i = 1; i < stones.length; i++) {
        
                for (int j = 1; j <= target; j++) {
        //注意是等于
                    if (j >= stones[i]) {
        
                        //不放:dp[i - 1][j] 放:dp[i - 1][j - stones[i]] + stones[i]
                        dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - stones[i]] + stones[i]);
                    } else {
        
                        dp[i][j] = dp[i - 1][j];
                    }
                }
            }
            System.out.println(dp[stones.length - 1][target]);
            return (sum - dp[stones.length - 1][target]) - dp[stones.length - 1][target];
        }
    }

#### 10.目标和 ####

题目链接：[力扣题目链接][Link 1]

思路：每个数前面加`+ 或者 -`可以联想`01`背包，要么0要么1我们将数组分为两部分，一部分为正数的`p`，一部分为负数的`ne`，

我们想要`sum(p) + sum(ne) == S`，而数组的和是已知的即`sum(p) + sum(ne) == sum`

两式相加化简得`sum(p) = (sum + S) / 2 = targrt`，也就是说我们要从`nums[]`里边选几个数使其和为`target`，

于是就转换为求容量恰好为`taeget`的01背包问题。

*  **确定dp数组以及下标的含义**

dp\[j\] 表示：填满j（包括j）这么大容积的包，有dp\[j\]种方法

*  **确定递推公式**

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

那么凑整dp\[5\]有多少方法呢，也就是把 所有的 dp\[j - nums\[i\]\] 累加起来。

dp[j] += dp[j-nums[i]];

*  **dp数组初始化**

`f[0] = 1`，体积为0（和为0），那就是一个物品都不放，有一种方案。

*  **确定遍历顺序**

nums放在外循环，target在内循环，且内循环倒序。

for(int i = 0; i < nums.length ;i++){
        
                for(int j = size; j >= nums[i]; j--){
        
                    dp[j] += dp[j-nums[i]];
                }
            }

*  **举例推导dp数组**

输入：nums: \[1, 1, 1, 1, 1\], S: 3

bagSize = (S + sum) / 2 = (3 + 5) / 2 = 4

dp数组状态变化如下：

![image-20221206131138813][]

**Code**

一维

class Solution {
        
        public int findTargetSumWays(int[] nums, int target) {
        
            int sum  = 0;
            for(int i : nums){
        
                sum += i;
            }
            int size = (target + sum) >> 1;
            if(target > sum || target < -sum || (target + sum) % 2 == 1){
        
                return 0;
            }
            int[] dp = new int[size + 1];
            dp[0] = 1;
            for(int i = 0; i < nums.length ;i++){
        
                for(int j = size; j >= nums[i]; j--){
        
                    dp[j] += dp[j-nums[i]];
                }
            }
            return dp[size];
        }
    }

#### 11. 一和零 ####

题目链接：[474. 一和零 - 力扣（LeetCode）][474. _ - _LeetCode]

![image-20221206183219143][]

**动规五部曲**

*  **确定dp数组以及下标的含义**

`dp[i][j]`：最多有i个0和j个1的strs的最大子集的大小为`dp[i][j]`。

*  **确定递推公式**

trs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)`;

*  **dp数组初始化**

1背包的dp数组初始化为0就可以。

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

*  **确定遍历顺序**

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

*  **举例推导dp数组**

![image-20221206183616541][]

**Code**

二维

class Solution {
        
        public int findMaxForm(String[] strs, int m, int n) {
        
            int[][] dp = new int[m+1][n+1];
            int oneNum,zeroNum;
            for(String str : strs){
        
                oneNum = 0;
                zeroNum = 0;
                for(char ch : str.toCharArray()){
        
                    if(ch=='0'){
        
                       zeroNum++; 
                    }else{
        
                        oneNum++;
                    }
                }
                //倒叙遍历
                for(int i = m; i >= zeroNum; i--){
        
                    for(int j = n; j>=oneNum; j--){
        
                        dp[i][j] = Math.max(dp[i][j], dp[i - zeroNum][j - oneNum]+1);
                    }
                }
            }
            return dp[m][n];
        }
    }

[416. _ - _LeetCode]: https://leetcode.cn/problems/partition-equal-subset-sum/
[image-20221206104953909]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/31/f369b99030144e80b2306a2820590dd2.png
[1049. _ II - _LeetCode]: https://leetcode.cn/problems/last-stone-weight-ii/
[image-20221206113829022]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/31/5ecf3c055d214ae2876c265b091d3dd5.png
[Link 1]: https://leetcode.cn/problems/target-sum/
[image-20221206131138813]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/31/1f8a4585566a4bcab03c9c1a7eb33776.png
[474. _ - _LeetCode]: https://leetcode.cn/problems/ones-and-zeroes/
[image-20221206183219143]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/31/829cf75437704cdc9894cbb9a0bec3c0.png
[image-20221206183616541]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/31/d7402d4951e442aa926c741433611372.png