本文共 9233 字,大约阅读时间需要 30 分钟。
经典动态规划-背包问题
一、动态规划 0-1背包问题(不重复使用)
给定一个可装载重量为W的背包和N个物品,每个物品有重量和质量两个属性。其中第i个物体的重量为wt[i], 质量为val[i]. 现在让你用这个背包装物品,最多能装的价值是多少?
// W 为背包总体积// N 为物品数量// weights 数组存储 N 个物品的重量// values 数组存储 N 个物品的价值public int knapsack(int W, int N, int[] weights, int[] values) { int[][] dp = new int[N + 1][W + 1]; for (int i = 1; i <= N; i++) { int w = weights[i - 1], v = values[i - 1]; for (int j = 1; j <= W; j++) { if (j >= w) { dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - w] + v); } else { dp[i][j] = dp[i - 1][j]; } } } return dp[N][W];}
空间优化
public int knapsack(int W, int N, int[] weights, int[] values) { int[] dp = new int[W + 1]; for (int i = 1; i <= N; i++) { int w = weights[i - 1], v = values[i - 1]; for (int j = W; j >= 1; j--) { if (j >= w) { dp[j] = Math.max(dp[j], dp[j - w] + v); } } } return dp[W];}
1.1 分割等和子集问题(无顺序 true/false问题 )
题目:给定一个只包含正整数的非空数组。是否可以将这个数组分割成两个子集,使得两个子集的元素和相等。
注意:
每个数组中的元素不会超过 100
数组的大小不会超过 200 示例 1:输入: [1, 5, 11, 5]
输出: true
解释: 数组可以分割成 [1, 5, 5] 和 [11].
解题思路:从数组中挑选值 使其满足target的问题。即0-1背包问题
class Solution { public boolean canPartition(int[] nums) { int sum = 0; for(int num:nums){ sum+= num; } if(sum%2==1){ return false; } // 动态规划解题即从数组中挑选数字 使其满足等于target int target = sum/2; int length = nums.length; boolean[][] dp = new boolean[length+1][target+1]; // 初始化 for(int i=0;i<=length;i++){ dp[i][0] = true; } // 对其选择 for(int i=1;i<=length;i++){ for(int j=1;j<=target;j++){ if(j>=nums[i-1]){ // 能放(可放可不放) dp[i][j] = dp[i-1][j] || dp[i-1][j-nums[i-1]]; }else{ // 不能放 dp[i][j] = dp[i-1][j]; } } } return dp[length][target]; }}
对上述代码空间上的优化
class Solution { public boolean canPartition(int[] nums) { int sum = 0; for(int num:nums){ sum+= num; } if(sum%2==1){ return false; } // 动态规划解题即从数组中挑选数字 使其满足等于target int target = sum/2; int length = nums.length; // 空间上优化 boolean[] dp = new boolean[target+1]; // 初始化 dp[0] = true; // 选择 for(int num:nums){ for(int j=target;j>=num;j--){ dp[j] = dp[j] || dp[j-num]; } } return dp[target]; }}
1.2 目标和问题( / 组合问题)
题目:给定一个非负整数数组,a1, a2, …, an, 和一个目标数,S。现在你有两个符号 + 和 -。对于数组中的任意一个整数,你都可以从 + 或 -中选择一个符号添加在前面。
返回可以使最终数组和为目标数 S 的所有添加符号的方法数。
示例:
输入:nums: [1, 1, 1, 1, 1], S: 3
输出:5 解释:-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 = 3一共有5种方法让最终目标和为3。
解题思路:递归
class Solution { int count = 0; public int findTargetSumWays(int[] nums, int S) { process(nums,0,0,S); return count; } public void process(int[] nums,int i,int sum,int S) { if(i==nums.length){ if(sum==S) { count++; } }else{ process(nums, i+1, sum+nums[i], S); process(nums, i+1, sum-nums[i], S); } }}
解题思路2:将其转为动态规划的问题:
即X+Y = SUM; X-Y =S; 得出2X =(SUM+S);即X=(SUM+S)/2,即从里面找出整数使其等于(sum+s)/2
class Solution { public int findTargetSumWays(int[] nums, int S) { int sum = 0; for(int num:nums){ sum+=num; } if(sum=num;j--){ dp[j] = dp[j] + dp[j-num]; } } return dp[target]; }}
1.3 01字符构成最多的字符串(无顺序 最大最小问题)
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 的最大子集的大小,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 。
class Solution { public int findMaxForm(String[] strs, int m, int n) { // 多维0-1背包问题 if(strs==null ||strs.length==0){ return 0; } // 动态规划 int[][] dp = new int[m+1][n+1]; for(String s:strs){ // 每个只能用一次 int ones =0, zeros = 0; for(char c:s.toCharArray()){ if(c=='0'){ zeros++; }else{ ones++; } } for(int i=m;i>=zeros;i--){ for(int j=n;j>=ones;j--){ dp[i][j] = Math.max(dp[i][j],dp[i-zeros][j-ones]+1); } } } return dp[m][n]; }}
1.4 0-1背包划分三类
- 恰好target-组合问题的转移公式:
dp[i] = dp[i] + dp[i-num];
- 恰好target-True/False问题的转移公式:
dp[i] = dp[i] || dp[i-num];
- 最大target-最大最小问题的转移公式:
dp[i] = Math.max(dp[i],dp[i-num]+1)
恰好问题记得初始化dp[0] = 1 or dp[0] = true;
二、动态规划 完全背包问题 (重复使用)
2.1 零钱兑换(无顺序 最大最小的问题)
题目:给定不同面额的硬币 coins 和一个总金额 amount。编写一个函数来计算可以凑成总金额所需的最少的硬币个数。如果没有任何一种硬币组合能组成总金额,返回 -1。
你可以认为每种硬币的数量是无限的。
示例 1:
输入:coins = [1, 2, 5], amount = 11
输出:3 解释:11 = 5 + 5 + 1 示例 2:输入:coins = [2], amount = 3
输出:-1 示例 3:输入:coins = [1], amount = 0
输出:0 示例 4:输入:coins = [1], amount = 1
输出:1 示例 5:输入:coins = [1], amount = 2
输出:2
class Solution { public int coinChange(int[] coins, int amount) { int[] dp = new int[amount+1]; Arrays.fill(dp, amount+1); dp[0] = 0; for(int coin:coins){ for(int j=coin;j<=amount;j++){ // 可重复使用 dp[j] = Math.min(dp[j],dp[j-coin]+1); } } return dp[amount]>amount?-1:dp[amount]; }}
完全平方数问题(最大最小问题)
给定正整数 n,找到若干个完全平方数(比如 1, 4, 9, 16, …)使得它们的和等于 n。你需要让组成和的完全平方数的个数最少。
示例 1:
输入: n = 12 输出: 3 解释: 12 = 4 + 4 + 4.
示例 2:
输入: n = 13 输出: 2 解释: 13 = 4 + 9.
class Solution { public int numSquares(int n) { // 动态规划 int[] dp = new int[n+1];// 默认初始化值都为0 for(int i=1;i<=n;i++) { // 最坏的情况就是每次都为1相加 dp[i] = i; // 对其更新 for(int j=1;i-j*j>=0;j++) { dp[i] = Math.min(dp[i],dp[i-j*j]+1);//动态转移方程 } } return dp[n]; }}
2.2 零钱兑换II(无顺序 组合问题)
题目:给定不同面额的硬币和一个总金额。写出函数来计算可以凑成总金额的硬币组合数。假设每一种面额的硬币有无限个。
示例 1:
输入: amount = 5, coins = [1, 2, 5]
输出: 4 解释: 有四种方式可以凑成总金额: 5=5 5=2+2+1 5=2+1+1+1 5=1+1+1+1+1 示例 2:输入: amount = 3, coins = [2]
输出: 0 解释: 只用面额2的硬币不能凑成总金额3。 示例 3:输入: amount = 10, coins = [10]
输出: 1。
class Solution { public int change(int amount, int[] coins) { // 完全背包问题-组合问题 int[] dp = new int[amount+1]; dp[0] = 1; for(int coin:coins){ for(int j=coin;j<=amount;j++){ // 转移方程 dp[j] = dp[j] + dp[j-coin]; } } return dp[amount]; }}
2.3 单词拆分(有顺序 true/false问题)
给定一个非空字符串 s 和一个包含非空单词的列表 wordDict,判定 s 是否可以被空格拆分为一个或多个在字典中出现的单词。
说明:
拆分时可以重复使用字典中的单词。
你可以假设字典中没有重复的单词。 示例 1:输入: s = “leetcode”, wordDict = [“leet”, “code”]
输出: true 解释: 返回 true 因为 “leetcode” 可以被拆分成 “leet code”。 示例 2:输入: s = “applepenapple”, wordDict = [“apple”, “pen”]
输出: true 解释: 返回 true 因为 “applepenapple” 可以被拆分成 “apple pen apple”。 注意你可以重复使用字典中的单词。 示例 3:输入: s = “catsandog”, wordDict = [“cats”, “dog”, “sand”, “and”, “cat”]
输出: false
class Solution { public boolean wordBreak(String s, ListwordDict) { // 完全背包问题-有顺序 true/false问题 int target =s.length(); boolean[] dp = new boolean[target+1]; dp[0] = true; for(int i=1;i<=target;i++){ //有顺序 for(String word:wordDict){ int len = word.length(); // 判断 if(len<=i&&word.equals(s.substring(i-len,i))){ dp[i] = dp[i] || dp[i-len]; } } } return dp[target]; }}
2.4 组合总和(IV)(有顺序/组合问题)
题目:给定一个由正整数组成且不存在重复数字的数组,找出和为给定目标正整数的组合的个数。
示例:
nums = [1, 2, 3]
target = 4所有可能的组合为:
(1, 1, 1, 1) (1, 1, 2) (1, 2, 1) (1, 3) (2, 1, 1) (2, 2) (3, 1)请注意,顺序不同的序列被视作不同的组合。
因此输出为 7。
class Solution { public int combinationSum4(int[] nums, int target) { // 完全背包问题-有顺序-组合问题 int[] dp = new int[target+1]; dp[0] = 1; for(int i=1;i<=target;i++){ // 背包 for(int num:nums){ // 物品放在 // 进行判断 if(i>=num){ dp[i] = dp[i] + dp[i-num]; } } } return dp[target]; }}
三、背包问题整理
先判定是0-1背包问题 还是完全背包问题,以及是否考虑元素之间的顺序。
-
若不考虑元素顺序
-
0-1背包问题(元素不重复)
for num in nums: for i in range(target, nums-1, -1):
-
完全背包问题(元素可重复使用)
for num in nums: for i in range(nums, target+1):
-
-
若考虑元素顺序(目前只在完全背包问题中遇到了)
for i in range(1, target+1): for num in nums:
问题类型:
- 恰好target-组合问题的转移公式:
dp[i] = dp[i] + dp[i-num];
- 恰好target-True/False问题的转移公式:
dp[i] = dp[i] || dp[i-num];
- 最大target-最大最小问题的转移公式:
dp[i] = Math.max(dp[i],dp[i-num]+1)
恰好问题记得初始化dp[0] = 1 or dp[0] = true;
最大最小问题默认初始化的方式即可
转载地址:https://codingchaozhang.blog.csdn.net/article/details/110941278 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!