4.0-1背包问题
有N件物品和一个最多能被重量为W 的背包。第i件物品的重量是weight[i],得到的价值是value[i] 。每件物品只能用一次,求解将哪些物品装入背包里物品价值总和最大。
/** * 0-1背包问题 * @param w w[index] 当前货物的总重量 * @param v v[index] 当前货物的总价值 * @param index 当前的货物号 * @param alreadyW 0--index 已做出决定,所形成的目前重量 * @param bag 可装的总重量 * @return 返回最大价值 */ public static int process(int[] w,int[] v,int index,int alreadyW,int bag){ //base case 背高超重了,不能再放物品了 if(alreadyW>bag){ return -1; } //没有物品了 if(index==w.length){ return 0; } //当前物品不放所获得的最大价值 int p1=process(w,v,index+1,alreadyW,bag); //当前物品放入背包所获得的最大价值 int p2=process(w,v,index+1,alreadyW+w[index],bag); int pNext=-1; if(p2!=-1){ pNext=v[index]+p2; } return Math.max(p1,pNext); }
/** * 0-1背包问题 * @param w 当前货物的总重量 * @param v 当前货物的总价值 * @param index 当前的货物号 * @param rest 剩余可装入的重量 * @return 返回最大价值 */ public static int process(int[] w,int[] v,int index,int rest) { //没有容量了 if (rest == 0) { return 0; } //没有物品了 if (index == w.length) { return 0; } int p1 = process(w, v, index + 1, rest); int p2 = 0; //放入当前物品的话,要判段容量是否够 if (rest >= w[index]) { p2 = v[index] + process(w, v, index + 1, rest - w[index]); } return Math.max(p1, p2); }
public static int bagDp(int[] w,int[] v,int rest){ int N=w.length; int[][] dp=new int[N+1][rest+1]; for(int i=N-1;i>=0;i--){ for(int j=1;j<=rest;j++){ dp[i][j]=dp[i+1][j]; if(j-w[i]>=0){ dp[i][j]=Math.max(dp[i][j],dp[i+1][j-w[i]]+v[i]); } } } return dp[0][rest]; }
依然动规五部曲分析一波。
- 确定dp数组以及下标的含义
dp[i][j] 表示从下标为[0-i]的物品里任意取,放进容量为j的背包,价值总和最大是多少。
- 确定递推公式
再回顾一下dp[i][j]的含义:从下标为[0-i]的物品里任意取,放进容量为j的背包,价值总和最大是多少。
那么可以有两个方向推出来dp[i][j],
- 不放物品i:由dp[i - 1][j]推出
- 放物品i:由dp[i - 1][j - weight[i]]推出,那么dp[i - 1][j - weight[i]] + value[i] (物品i的价值),就是背包放物品i得到的最大价值
所以递归公式: dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]);
- dp数组如何初始化
关于初始化,一定要和dp数组的定义吻合,否则到递推公式的时候就会越来越乱。
首先从dp[i][j]的定义出发,如果背包容量j为0的话,即dp[i][0],无论是选取哪些物品,背包价值总和一定为0。
此时dp数组初始化情况如图所示:
dp[0][j] 和 dp[i][0] 都已经初始化了,那么其他下标应该初始化多少呢?
其实从递归公式: dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]); 可以看出dp[i][j] 是又左上方数值推导出来了,那么 其他下标初始为什么数值都可以,因为都会被覆盖。
- 确定遍历顺序
在如下图中,可以看出,有两个遍历的维度:物品与背包重量
那么问题来了,先遍历 物品还是先遍历背包重量呢?
其实都可以!! 但是先遍历物品更好理解。
为什么也是可以的呢?
要理解递归的本质和递推的方向。
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight[i]] + value[i]); 递归公式中可以看出dp[i][j]是靠dp[i-1][j]和dp[i - 1][j - weight[i]]推导出来的。
dp[i-1][j]和dp[i - 1][j - weight[i]] 都在dp[i][j]的左上角方向(包括正上方向),那么先遍历物品,再遍历背包的过程如图所示:
再来看看先遍历背包,再遍历物品呢,如图:
大家可以看出,虽然两个for循环遍历的次序不同,但是dp[i][j]所需要的数据就是左上角,根本不影响dp[i][j]公式的推导!
但先遍历物品再遍历背包这个顺序更好理解。
其实背包问题里,两个for循环的先后循序是非常有讲究的,理解遍历顺序其实比理解推导公式难多了。
- 举例推导dp数组
来看一下对应的dp数组的数值,如图:
最终结果就是dp[2][4]。
建议大家此时自己在纸上推导一遍,看看dp数组里每一个数值是不是这样的。
public static void testWeightBagProblem(int[] weight, int[] value, int bagSize){ int wLen = weight.length, value0 = 0; //定义dp数组:dp[i][j]表示背包容量为j时,前i个物品能获得的最大价值 int[][] dp = new int[wLen + 1][bagSize + 1]; //初始化:背包容量为0时,能获得的价值都为0 for (int i = 0; i <= wLen; i++){ dp[i][0] = value0; } //遍历顺序:先遍历物品,再遍历背包容量 for (int i = 1; i <= wLen; i++){ for (int j = 1; j <= bagSize; j++){ if (j < weight[i - 1]){ dp[i][j] = dp[i - 1][j]; }else{ dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - weight[i - 1]] + value[i - 1]); } } } //打印dp数组 for (int i = 0; i <= wLen; i++){ for (int j = 0; j <= bagSize; j++){ System.out.print(dp[i][j] + " "); } System.out.print("\n"); } }
416. 分割等和子集
给你一个 只包含正整数 的 非空 数组 nums 。请你判断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。
示例 1:
输入:nums = [1,5,11,5]
输出:true
解释:数组可以分割成 [1, 5, 5] 和 [11] 。
示例 2:
输入:nums = [1,2,3,5]
输出:false
解释:数组不能分割成两个元素和相等的子集。
只要找到集合里能够出现 sum / 2 的子集总和,就算是可以分割成两个相同元素和子集了
public boolean canPartition(int[] nums) { int sum=0; for(int num:nums){ sum+=num; } int aim=sum/2; if(sum%2!=0){ return false; } return process2dp(nums,aim); } private boolean process(int[] nums,int index,int aim){ if(index==nums.length){ return aim==0; } return process(nums,index+1,aim) || (aim-nums[index]>=0 && process(nums,index+1,aim-nums[index])); } private boolean process2dp(int[] nums,int aim){ // index 0---n aim 0---aim int n=nums.length; boolean[][] dp=new boolean[n+1][aim+1]; dp[n][0]=true; for(int i=n-1;i>=0;i--){ for(int j=0;j<=aim;j++){ dp[i][j]=dp[i+1][j]; if(j-nums[i]>=0){ dp[i][j] = dp[i][j] || dp[i+1][j-nums[i]]; } } } return dp[0][aim]; }
1049. 最后一块石头的重量 II
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
示例 3:
输入:stones = [1,2]
输出:1
416. 分割等和子集 相当于是求背包是否正好装满,而本题是求背包最多能装多少。
class Solution { public int lastStoneWeightII(int[] stones) { int sum=0; for(int s:stones){ sum+=s; } int target=sum>>1; int res=process2dp(stones ,target); return sum-2*res; } //151/2. =75.target. 151-2*dp[target] 求背包最多能装多少 // 31 26 21=78*2=156 33+40=73*2=146 //23 11. 11*2=22 //416. 分割等和子集 (opens new window)相当于是求背包是否正好装满,而本题是求背包最多能装多少。 //0--index rest 最多能装多少 private int process(int[] stones,int index,int rest){ if(rest<=0){ return 0; } if(index==stones.length){ return 0; } int p1= process(stones,index+1,rest); int p2=Integer.MIN_VALUE; if(rest-stones[index]>=0){ p2= process(stones,index+1,rest-stones[index])+stones[index]; } return Math.max(p1,p2); } private int process2dp(int[] stones,int rest){ //N 0---N rest 0---rest int N=stones.length; int[][] dp=new int[N+1][rest+1]; for(int i=N-1;i>=0;i--){ for(int j=1;j<=rest;j++){//注意这里的大于小于号不要写错了 int p1=dp[i+1][j]; int p2=Integer.MIN_VALUE; if(j-stones[i]>=0){ p2=dp[i+1][j-stones[i]]+stones[i]; } dp[i][j]=Math.max(p1,p2); } } return dp[0][rest]; } }
494. 目标和
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。
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
public int findTargetSumWays(int[] nums, int target) { return process(nums,0,0,target); } //可以转化为求和为0 ,a,b,c,d 每个数字都可以下负转化 private int process(int[] nums,int index,int sum,int target){ if(index==nums.length){ return sum==target?1:0; } return process(nums,index+1,sum+nums[index],target)+ process(nums,index+1,sum-nums[index],target); }