leetcode——背包问题汇总

        本章来汇总一下leetcode中做过的背包问题,包括0-1背包完全背包

        背包问题的通常形式为:有N件物品和一个最多能背重量为W 的背包。第i件物品的重量是weight[i],得到的价值是value[i] 。求解将哪些物品装入背包里物品价值总和最大。0-1背包和完全背包的区别就在于物品能否重复拿取

        但是一般题目不会明确告诉你是背包问题,需要自己将问题进行转化。下面汇总一些常见的0-1背包和完全背包问题。

0-1背包问题

1、分割等和子集(★)

         本题题意可以转化为:集合中能否出现总和为 sum / 2 的子集。 进而可以使用背包问题的思想来做:数组为背包,元素为物品。 又因为物品不可重复取,所以是0-1背包问题

        本题使用0-1背包动态规划算法思路如下:

  • 先求出nums数组的元素总和sum, (sum/2) 即为背包的大小。
  • 设dp数组,长度为sum/2 , 初始化为全0。dp[i]含义为:容量为i的背包最大能装多重的物品。
  • 先遍历物品再遍历背包,并且为了防止物品重复放入,背包需要倒序遍历。
  • 最后判断dp[target] 是否等于target,是则返回true。

        java代码如下:

class Solution {public boolean canPartition(int[] nums) {int sum = 0;for(int num : nums){sum += num;}if(sum % 2 != 0) return false; //总和为奇数,不可能分割。int target = sum / 2;int[] dp = new int[target+1];Arrays.fill(dp,0); //初始化dp数组为全0//先遍历物品再遍历背包for(int i=0; i<nums.length; i++){for(int j=target; j>=nums[i]; j--){dp[j] = Math.max(dp[j] , dp[j-nums[i]] + nums[i]);}}if(dp[target] == target) return true;return false;}
}

2、最后一块石头的重量II

        本题类似于上一题,可以转化为0-1背包问题。区别在于:本题如果可以分成等分量的两个子集,返回0;如果不能,则需要返回两子集的最小差值。 

        按照上一题的思路,java代码如下:

class Solution {public int lastStoneWeightII(int[] stones) {int sum = 0;for(int stone : stones){sum += stone;}int target = sum / 2;int[] dp = new int[target+1];Arrays.fill(dp,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]*2;}
}

3、目标和(★)

        本题难点在于如何将题意转化为0-1背包问题。 可以这么想:将nums数组分为两个子集:子集一全加正号,子集二全加负号,然后像上题一样,两子集相碰撞(相减),结果为target值。设sum为总元素和,positive_sum为正数和,那么(sum-positive_sum)就为负数和,有如下等式成立:positive_sum - (sum-positive_sum) = target , 解得positive_sum = (target + sum) / 2 。

        此时成功将题意转化为0-1背包问题:positive_sum为背包大小,nums中元素为物品。 之前是要求背包所装物品的最大重量,而本题区别在于要求能装满背包的方法个数。整体思路不变,区别就在于递归公式要变化一下:

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

        这个递推公式用于求解装满背包的最大方法个数,可以记一下。

那么设的dp数组含义就变为:dp[i]表示装满大小为 i 的背包的方法个数

java代码如下:

class Solution {public int findTargetSumWays(int[] nums, int target) {int sum = 0;for(int num : nums){sum += num;}if((target + sum) % 2 != 0) return 0; //没有办法得到运算结果targetint positive_sum = (target + sum) / 2; //正数和if(positive_sum < 0) return 0;//正数和不为负数int[] dp = new int[positive_sum+1];dp[0] = 1;for(int i=0; i<nums.length; i++){for(int j=positive_sum; j>=nums[i]; j--){dp[j] = dp[j] + dp[j-nums[i]];}}return dp[positive_sum];}
}

完全背包问题

1、零钱兑换II

        分析题意,有两个关键点:①求得是组合数,组合和排列不一样,组合没有顺序,而排列有。②硬币有无限个,因此本题为完全背包问题。 背包为总金额,物品为硬币,要求的是装满背包有多少种方法,和 上一题“目标和”要求的东西一样,因此递推公式为:

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

        本题是完全背包问题,物品个数为无限,因此遍历的第二层循环不是倒序遍历了,而是正序。(当初倒序遍历就是为了防止重复拿取物品,完全背包可以重复拿取物品)。

        遍历顺序也有讲究,先遍历物品再遍历背包求得是组合数,先遍历背包再遍历物品求得是排列数,此题要求组合数,因此先遍历物品再遍历背包。

        java代码如下:

class Solution {public int change(int amount, int[] coins) {int[] dp = new int[amount+1];dp[0] = 1;for(int i=0; i<coins.length; i++){for(int j=coins[i]; j<=amount; j++){dp[j] = dp[j] + dp[j-coins[i]];}}return dp[amount];}
}

2、组合总和IV

        有了上述题的基础,本题可以说是手拿把掐了。 

        首先物品可以重复拿取,是完全背包问题题目求的是排列数(虽然题目说的组合数,但根据示例来看其实是求排列数),因此遍历顺序应该是先遍历背包再遍历物品 最后求的是装满背包的方法数,所以递推公式是:dp[j] = dp[j] + dp[j-nums[i]]。

        java代码如下:

class Solution {public int combinationSum4(int[] nums, int target) {int[] dp = new int[target+1];dp[0] = 1;for(int i=0; i<=target; i++){for(int j=0; j<nums.length; j++){if(i >= nums[j]){dp[i] = dp[i] + dp[i-nums[j]];}}} return dp[target];}
}

3、爬楼梯(★)

        本题是动态规划系列梦开始的地方,一开始使用斐波那契数列做的,现在一看就是个完全背包问题,背包大小是总楼梯阶数n,物品是1或2。 要求装满背包的方法个数。

       和上题可以说一毛一样,直接上代码:

class Solution {public int climbStairs(int n) {int dp[] = new int[n+1];dp[0] = 1;for(int i=0; i<=n; i++){for(int j=1; j<=2; j++){if(i >= j){dp[i] = dp[i] + dp[i-j];}}}return dp[n];}
}

4、零钱兑换(★)

        本题属于完全背包问题,由于题目求得是凑成总金额所需得最少硬币个数,所以求组合数和排列数都可以,都不影响最后得最少硬币个数,因此遍历顺序先物品或者先背包都是可以的。

        本题由于求的是最少硬币个数,我们将dp[i]定义为:装满大小为 i 的背包所需最少物品个数。 递归公式为:

dp[j] = Math.min(dp[j] , dp[j-coins[i]]+1);

        此外,初始化dp数组的时候除了dp[0] 初始化为0之外,其他都要初始化为最大值。

        java代码如下:

class Solution {public int coinChange(int[] coins, int amount) {int[] dp = new int[amount+1];//dp[j]:装满大小为j的背包所需的最少硬币个数Arrays.fill(dp,Integer.MAX_VALUE);dp[0] = 0;for(int i=0; i<coins.length; i++){for(int j=coins[i]; j<=amount; j++){if(dp[j-coins[i]]!=Integer.MAX_VALUE){dp[j] = Math.min(dp[j] , dp[j-coins[i]]+1);}}}return dp[amount] == Integer.MAX_VALUE? -1 : dp[amount];}
}

5、完全平方数(★)

        本题和 “零钱兑换”非常相似,同属于完全背包,并且求的也是装满背包所需的最小物品数。

        本题的背包为给定的整数n,物品为自然数的平方,如1的平方、2的平方......

        思路同上一题,java代码如下:

class Solution {public int numSquares(int n) {//背包:整数n | 物品:完全平方数的平方int[] dp = new int[n+1]; //dp[i]:装满大小为i的背包所需的最小物品数Arrays.fill(dp,Integer.MAX_VALUE);dp[0] = 0;for(int i=1; i<=n; i++){for(int j=i*i; j<=n; j++){if(dp[j-i*i] != Integer.MAX_VALUE){dp[j] = Math.min(dp[j] , dp[j-i*i]+1);}}}return dp[n];}
}

6、单词拆分(★)

        本题由于单词可以重复使用,因此是完全背包问题背包为字符串s,物品为wordDict里的字符串。   要求使用物品能否装满背包。 因此设dp数组,dp[i]的含义为:大小为i的背包能否被物品装满 由于物品(单词)之间有顺序之分,因此本题属于排列问题,先遍历背包再遍历物品

        直接看java代码:

class Solution {public boolean wordBreak(String s, List<String> wordDict) {int capacity = s.length();int[] dp = new int[capacity+1]; //dp[i]:大小为i的背包能否被物品装满dp[0] = 1;for(int i=1; i<=capacity; i++){for(String word : wordDict){int len = word.length();if(i>=len && dp[i-len]==1 && word.equals(s.substring(i-len,i))){dp[i] = 1;break;}}}return dp[capacity] == 1? true : false;}
}

总结

        以上题目过关背包问题基本上就没问题了,最后总结一下背包问题的套路

  • 0-1背包问题遍历背包的时候需要倒序遍历,以防止重复拿取物品。完全背包可以重复拿取物品,因此是正序遍历。
  • 题目求组合数和排列数的遍历顺序是不一样的:求组合数要先遍历物品再遍历背包,求排列数要先遍历背包再遍历物品。
  • 递归公式根据题目要求不一样而不一样,下面列举常见的几个递推公式:
    • 求尽可能装满背包的最大重量:dp[j] = Math.max(dp[j] , dp[j-nums[i]] + nums[i]); 如0-1背包的第1、2题。
    • 求装满背包的方法种数:dp[j] = dp[j] + dp[j-nums[i]]; 如0-1背包的第3题、完全背包的第1题、第2题、第3题。
    • 求装满背包的最小物品数:dp[j] = Math.min(dp[j] , dp[j-nums[i]]+1); 如完全背包的第4题、第5题。
    • 单词拆分这题单独记一下吧。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/297961.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

工具系列:PyCaret介绍_编写和训练自定义机器学习模型

文章目录 PyCaret安装PyCaret&#x1f449; 让我们开始吧&#x1f449; 数据集&#x1f449; 数据准备PyCaret中的设置函数&#x1f449; 可用模型&#x1f449; 模型训练与选择&#x1f449; 编写和训练自定义模型&#x1f449; GPLearn模型&#x1f449; NGBoost 模型&#x…

图解二叉树的Morris(莫里斯)遍历

二叉树的Morris(莫里斯)遍历 本文参考链接&#xff1a;https://leetcode.cn/problems/binary-tree-preorder-traversal/submissions/490846864/ 文章目录 二叉树的Morris(莫里斯)遍历模板代码前序遍历中序遍历后序遍历 Morris 遍历使用二叉树节点中大量指向 null 的指针&…

Go语言中的`sync`包同步原语

通过sync包掌握Go语言的并发 并发是现代软件开发的基本方面&#xff0c;而Go&#xff08;也称为Golang&#xff09;为并发编程提供了一套强大的工具。在Go中用于管理并发的基本包之一是sync包。在本文中&#xff0c;我们将概述sync包&#xff0c;并深入探讨其最关键的同步原语…

【重点!!!】【单调栈】84.柱状图中最大矩形

题目 法1&#xff1a;单调栈[原版] O(N)O(N) 必须掌握算法&#xff01;&#xff01;&#xff01; class Solution {public int largestRectangleArea(int[] heights) {int n heights.length, res 0;int[] leftMin new int[n], rightMin new int[n];Stack<Integer>…

ros2中gazebo安装的注意事项

Install From source&#xff08;推荐安装Fortress版本&#xff0c;好像很方便&#xff09; ROS Be sure youve installed ROS Humble (at least ROS-Base). More ROS dependencies will be installed below. Gazebo Install either Edifice, Fortress, or Garden.(没有har…

智能优化算法应用:基于战争策略算法3D无线传感器网络(WSN)覆盖优化 - 附代码

智能优化算法应用&#xff1a;基于战争策略算法3D无线传感器网络(WSN)覆盖优化 - 附代码 文章目录 智能优化算法应用&#xff1a;基于战争策略算法3D无线传感器网络(WSN)覆盖优化 - 附代码1.无线传感网络节点模型2.覆盖数学模型及分析3.战争策略算法4.实验参数设定5.算法结果6.…

快速入门学习定时任务框架-xxljob

定时任务框架-xxljob 简介 主要用于分布式任务调度&#xff0c;可以将任务调度和执行分布在多个节点上。它提供了一个集中式的管理平台&#xff0c;支持动态添加、修改、删除任务&#xff0c;以及任务的分片执行&#xff0c;确保任务在分布式环境中的高可用性的一个框架 spr…

java数据结构与算法刷题-----LeetCode167:两数之和 II - 输入有序数组

java数据结构与算法刷题目录&#xff08;剑指Offer、LeetCode、ACM&#xff09;-----主目录-----持续更新(进不去说明我没写完)&#xff1a;https://blog.csdn.net/grd_java/article/details/123063846 思路 题目要求我们找到两个数相加的和&#xff0c;等于target指定的值。而…

reactor的原理与实现

网络模型 前情回顾服务器模型 Reactor和 ProactorReactor模型Proactor模型同步I/O模拟Poractor模型Libevent&#xff0c;libev&#xff0c;libuv优先级事件循环线程安全 前情回顾 网络IO&#xff0c;会涉及到两个系统对象&#xff1a;   一个是用户空间调用的进程或线程   …

机器学习或深度学习的数据读取工作(大数据处理)

机器学习或深度学习的数据读取工作&#xff08;大数据处理&#xff09;主要是.split和re.findall和glob.glob运用。 读取文件的路径&#xff08;为了获得文件内容&#xff09;和提取文件路径中感兴趣的东西(标签) 1&#xff0c;“glob.glob”用于读取文件路径 2&#xff0c;“.…

MQ(消息队列)相关知识

1. 什么是mq 消息队列是一种“先进先出”的数据结构 2. 应用场景 其应用场景主要包含以下3个方面 应用解耦 系统的耦合性越高&#xff0c;容错性就越低。以电商应用为例&#xff0c;用户创建订单后&#xff0c;如果耦合调用库存系统、物流系统、支付系统&#xff0c;任何…

选择排序(java)

选择排序 选择排序是默认前面都是已经排序好的&#xff0c;然后从后面 选择最小的放在前面排序好的的后面&#xff0c;首先第一轮循环的时候默认的排序好的为空&#xff0c;然后从后面选择最小的放到数组的第一个位置&#xff0c;第二轮循环的时候默认第个元素是已经 排序好的…